《Ecology and Evolution》：Deep Learning-Based Monitoring of European Hamster Activity
编辑推荐：
为确保对极危物种欧洲仓鼠（Cricetus cricetus）的有效保护，亟需实施针对性保护措施与可靠监测方法。研究人员探索了采用深度学习（Deep Learning，DL）辅助相机陷阱（camera trap）监测以追踪仓鼠活动的潜力。为此，训练了目标检测模
为确保对极危物种欧洲仓鼠（Cricetus cricetus）的有效保护，亟需实施针对性保护措施与可靠监测方法。研究人员探索了采用深度学习（Deep Learning，DL）辅助相机陷阱（camera trap）监测以追踪仓鼠活动的潜力。为此，训练了目标检测模型YOLO高效分析2023年夏季海量视频数据，模型对欧洲仓鼠检测的加权平均F1-score达0.93、准确率0.93，可有效区分其他物种。DL与人工评估对比证实DL能可靠刻画仓鼠活动模式。研究发现欧洲仓鼠在黄昏出现活动峰值（最高峰约日落时分），正午活动最低；自相关分析揭示其呈双相（biphasic）活动模式，次峰值出现在日出前约数小时。该研究凸显DL在长期保护及重引入项目成效评估中的应用潜力。
研究背景与立项依据
欧洲仓鼠（Cricetus cricetus）原被视为农业害兽，现被IUCN列为“极危（critically endangered）”，在德国等地因气候变化、农业集约化、生境破碎化与遗传贫化而急剧衰退。现行保护依赖重引入与栖息地管理，但其成效评估受限于传统监测手段：无线电追踪与洞穴制图成本高、覆盖低；相机陷阱虽能非侵入记录行为，但长期布设产生海量视频，人工审阅耗时且易疲劳出错。尽管深度学习（Deep Learning，DL）在野生动物图像识别中已成标准工具，针对欧洲仓鼠的相机陷阱自动监测仍无同行评审报道。研究人员据此提出：以高性能目标检测模型替代人工，建立可扩展的活动基线，支撑重引入项目评价。
主要技术方法概括
研究人员在德国吉森区Langg?ns、Pohlheim及法兰克福Bergen-Enkheim三处重引入围栏（共6.4 ha）布设29台野生相机（4型号），2023年6–9月于疑似仓鼠洞穴口距≥80 cm木桩录制10秒视频，低频触发。共获133 163段视频。采用YOLOv8n（nano）目标检测架构，Python 3.10.9与OpenCV抽帧（3 fps），去时序自相关后取非连续帧建训练集（仓鼠类1708影像、其他类777影像，验证各634/2409），独立测试集37 362段人工标注视频。训练100 epoch、batch 16、640×640、学习率0.01、momentum 0.937、weight decay 0.0005，增广含水平翻转与HSV调整。推理以置信度≥0.65且单视频占比≥2%的帧类多数投票定标签。日活动以30分钟分箱聚合，自相关（MATLAB xcorr）验周期。人工监测日及其次日剔除。
研究结果
3 Results
在37 362段测试视频中，人工标仓鼠7808段。YOLOv8n混淆矩阵显示仓鼠类召回0.90、精确0.92，其他类精确0.74、召回0.57，背景类F1 0.96；整体准确率0.93［95% CI: 0.927–0.933］，加权平均F1 0.93。DL与人工逐30分钟活动曲线中位偏差6.5%，日间DL略高估、夜间略低估。对133 163段全量视频的DL分析表明：仓鼠以上述黄昏（约20:30日落）为主峰、凌晨约03:00次峰的双相晨昏夜行模式，正午谷值；自相关函数在±17.5 h出现次峰，印证双相周期。随机抽取200段DL判仓鼠而人工否的视频，16段（8%）系人工漏标部分遮挡个体，说明报告误差部分源于人工疲劳。
讨论与结论翻译
4 Discussion指出，该DL流程将本需约370小时人工审阅压缩为自动流水线，且在无人工在场干扰下给出高分辨率活动基线，与既往无线电/观察研究节律一致，验证了相机陷阱+DL可作为长期保护可扩展工具。局限包括相机仅覆盖洞口进出、触发延迟致边缘截断、白天阴影致误检偏高、“others”类异质性强；建议未来分多类、两阶段训练、短触发间隔。4.1–4.2展望多物种DL框架（如Conservation AI、MegaDetector）与声学、卫星融合。
5 Conclusion结论翻译：本研究证明所训DL目标检测模型在野外相机数据中可靠检测欧洲仓鼠（准确率0.93，加权平均F1 0.93，测试集正确识别90%仓鼠视频）。尽管存在日间误检偏高与“others”类变异等挑战，模型活动曲线与人工中位偏差6.5%，揭示该物种双相晨昏夜行、日落峰值正午谷值。成果显示DL可补充传统方法，为长期监测与重引入成效评估提供可扩展方案；当前二分类模型限于本系统，多生态场景需更丰富多类训练数据以降低非仓鼠假阳。
（全文登于《Ecology and Evolution》，数据含YOLOv8n权重、脚本及133 163视频活动计数存于Goethe University Data Repository，DOI 10.25716/gude.1azk-2b01）
