通过计算机视觉技术揭示马拉维湖丽鱼隐秘且具有生态意义的运动模式

《Ethology》：Cryptic and Ecologically Relevant Locomotor Activity Patterns in Lake Malawi Cichlids Revealed Through Computer Vision Pipeline

非洲马氏湖慈鲷鱼类通过计算机视觉技术分析昼夜活动模式与 tank usage，揭示行为生态位分化机制，为机器学习辅助行为研究提供方法基础。

　　

摘要

慈鲷鱼长期以来一直是生态学和进化生物学研究中的热门模型。它们不仅具有几乎无与伦比的分类多样性，其群落结构也既复杂又极其密集。沿食物轴的生态位划分被认为是维持慈鲷生物多样性的关键因素；然而，具有重叠饮食习性的慈鲷物种常常能够共存，这促使人们寻找其他机制来解释慈鲷生物多样性的维持机制。行为变异有可能驱动精细尺度的（即微观）栖息地划分，但分析复杂的动物行为面临着时间、成本和可重复性等方面的挑战。现代工具（如机器学习（ML）大大减轻了行为分析的负担，并在相关领域得到了越来越广泛的应用。在这里，我们展示了如何运用机器学习的一个成熟子领域——计算机视觉（CV）来提取马拉维湖四种慈鲷鱼的运动行为数据。我们的数据集包含了4种慈鲷鱼在24小时内活动情况的低分辨率（320×240像素）红外视频。首先，我们分析了一对行为、饮食和栖息地都不同的物种（即Abactochromis labrosus与Tropheops kumwera），以此作为概念验证的例子。接着，我们分析了两种行为相似、饮食和栖息地重叠的近缘物种（即Maylandia属“daktari”与Maylandia fainzilberi）。在这两项分析中，我们量化了鱼缸使用模式以及鱼的停止/休息行为，并对这些行为在物种间以及同一物种内不同时段的差异进行了统计检验。我们的研究结果与这些物种已知的生态学特性和行为特征相符，同时也揭示了它们之间的一些新行为差异，尤其是它们在昼夜之间对鱼缸使用方式的不同。我们的方法为揭示潜在的行为生态位划分模式提供了途径，并为未来的高通量分析奠定了基础，这些分析旨在研究行为的遗传基础和进化过程。

利益冲突

作者声明不存在任何利益冲突。