论文部分内容阅读
传统的动物行为学被单纯地定义为生物学的一个分支,而现在则与其他学科深度交叉,应用其研究工具来解决行为学问题。在其中,机器学习与机器视觉在处理并分析动物行为图片上取得一系列成果,尤其是卷积神经网络在行为分类上可以有非常高的准确率。这在一定程度上实现了行为捕捉和分析的自动化与定量化。然而,目前的技术成果大多集中于实验后的动物行为视频分析。如何结合其他非视频手段,实现实时识别,并根据结果进行动物刺激,现有研究并没有给出解决方案,这也是本论文工作的出发点。我们搭建了一套针对小鼠的,包含识别程序的行为学通用分析装置。经过测试,我们构建的程序能同时满足判断准确度高与识别速度快的要求,并集成收集各类信息,能够实现行为捕捉,判断种类,刺激动物,再行为捕捉的闭环操控。并且我们用这套实验平台,研究了饥饿小鼠在进食时,面对上视野模拟天空捕食者的视频刺激的行为反应。得到的数据显示出实验组与对照组在行为上的不同。综上,我们展示了这套装置的可靠性以及用于其他动物行为学实验的潜力。