Расшифровка анализы мед: Расшифровка анализа крови таблица расшифровки анализов медицинских

Содержание

Расшифровка значений анализов

Существует большое количество вариантов сдачи анализа крови. Кровь берется с разными целями, для получения показателей уровня различных элементов в крови, а также других связанных с ними процессов.

Точный анализ крови поможет вовремя установить, что не так в организме и подскажет врачу, какие меры необходимо принять для улучшения вашего состояния. Анализ крови также помогает контролировать процесс воздействия медикаментов на организм.

Рассмотрим, как расшифровываются показатели:

Лейкоцитарные показатели:

WBC (лейкоциты) — белые или бесцветные клетки крови различных размеров. Основная функция лейкоцитов — противодействовать инфекциям, вирусам, бактериям и т.д. Лейкоциты делятся на 5 типов: нейтрофилы, лимфоциты, моноциты, эозинофилы и базофилы.
LYM (лимфоциты) — основные клетки иммунной системы человека. Лимфоциты — один из видов белых кровяных клеток, который производится в лимфатической системе и костном мозге. По своим функциям лимфоциты делятся на В — лимфоциты, вырабатывающие антитела, Т-лимфоциты, которые борются с инфекциями и NK лимфоциты, контролирующие качество клеток организма.
LYM% — относительное содержание лимфоцитов.
MON (моноциты) — один из видов фагоцитов, самый крупный вид лейкоцитов. Моноциты образуются в костном мозге. Эти клетки участвуют в регулировании и дифференцировании кроветворения, затем уходят в ткани организма и там превращаются в макрофаги. Моноциты имеют большое значение, так как отвечают за начальную активацию всей иммунной системы человека.

MON% — относительное содержание моноцитов.
NEU (нейтрофилы) — нейтрофилы генерируются в костном мозге. Срок их службы в крови длится несколько часов. Нейтрофилы уничтожают микробы (фагоцитоз).
NEU% — относительное содержание нейтрофилов.
EOS (эозинофилы) — белые клетки крови, характеризуются специфическим оранжевым цветом. Они принимают участие в иммунной системе. Повышаются при инфекциях паразитами. Существует тенденция к появлению при аллергии и астме.
EOS% — относительное содержание эозинофилов.
BAS (базофилы) — одна из крупных форм лейкоцитов в крови, относящихся к иммунной системе. Основная функция — расширение кровеносных сосудов во время инфекции.
BAS% — относительное содержание базофилов.

Эритроцитарные показатели:

RBC (эритроциты) — красные кровяные тельца, переносящие гемоглобин. Главная функция эритроцитов транспортировка кислорода из лёгких ко всем тканям и двуокись углерода — от тканей обратно в лёгкие. Мало эритроцитов — мало гемоглобина. Мало гемоглобина — мало эритроцитов. Они взаимосвязаны.
HGB (гемоглобин) — Белок, содержащийся в эритроцитах и отвечающий за перенос молекул кислорода к клеткам организма. Уровень гемоглобина не является постоянной величиной и зависит от возраста, пола, этнической принадлежности, заболевания, курения, у женщин — от беременности и т. д.
HCT (гематокрит) — показывает в процентах индекс объёма эритроцитов к объёму всего образца крови.
MCV (средний объём эритроцита) — индекс среднего объёма эритроцитов.
MCH (средний объём гемоглобина) — среднее количество гемоглобина в отдельном эритроците: в красных кровяных тельцах.
MCHC — средняя концентрация гемоглобина в эритроците.

RDWc — это ширина распределения эритроцитов. Показатель определяет, как эритроциты отличаются между собой по размерам.

Тромбоцитарные показатели:

PLT (тромбоциты) — клетки, влияющие на процессы свёртывания крови. Тромбоциты отвечают за гемостаз, заживление ран и остановку кровотечения. Анализ тромбоцитов важен при болезнях костного мозга, в котором они образуются.
PCT (тромбокрит) — показатель, характеризующий процент тромбоцитарной массы в объеме крови. Используется для оценки риска возникновения кровотечения и тромбозов.

MPV (средний объём тромбоцитов) — индекс среднего объёма тромбоцитов.
PDWc — относительная ширина распределения тромбоцитов по объёму.

Дополнительные показатели:

СОЭ — скорость оседания эритроцитов. Неспецифический лабораторный показатель крови, отражающий соотношение фракций белков плазмы; изменение СОЭ может служить косвенным признаком текущего воспалительного или иного патологического процесса.

Общий анализ крови: полная расшифровка

Вряд ли найдется кто-то, кто еще ни разу не сдавал кровь из пальца на анализы. Общий анализ крови берут практически при любом заболевании. Так в чем же его диагностическая ценность и какие диагнозы он может подсказать? Разбираем по-порядку.

Ценность исследования

Основные показатели, на которые врач обращает внимание при расшифровке общего анализа крови — это гемоглобин и эритроциты, СОЭ, лейкоциты и лейкоцитарная формула. Остальные скорее являются вспомогательными.

Чаще всего общий анализ крови назначают, чтобы понять, есть ли в организме воспаление и признаки инфекции, и если да, то какого происхождения — вирусного, бактериального или другого.

Также общий анализ крови может помочь установить анемию — малокровие. И если в крови есть ее признаки — назначают дополнительные анализы, чтобы установить причины.

Еще общий анализ крови назначают, если есть подозрение на онкологический процесс, когда есть ряд настораживающих симптомов и нужны зацепки. В этом случае кровь может косвенно подсказать, в каком направлении двигаться дальше.

Другие показания обычно встречаются реже.

Если после этой статьи у вас останутся вопросы — вы можете проконсультироваться с нашими терапевтами онлайн (Ссылка для Apple: bit.ly/dobrodocua Ссылка для Android: bit.ly/appdobrodoc) и задать им любые волнующие вас вопросы, предварительно отправив результаты своих анализов в чат.

Аббревиатура

Сейчас на бланках с результатом анализов в основном используют англ. аббревиатуры. Давайте пройдемся по основным показателям и разберем, что они значат.

WBC — white blood cells — белые кровяные тельца — Лейкоциты;
RBC — red blood cells — красные кровяные тельца — Эритроциты;
HGB — hemoglobin — Гемоглобин;
HTC — hematocrit — Гематокрит;
MCV — mean corpuscular volume — Средний объем эритроцитов;
MCH — mean concentration hemoglobin — Среднее содержание гемоглобина в эритроците;
MCHC — mean corpuscular hemoglobin concentration — Средняя концентрация гемоглобина в эритроците;

RDW — red cell distribution — Индекс распределения эритроцитов;
PLT — platelets — Тромбоциты;
MPV — mean platelets volume — Средний объем тромбоцитов
PTC — Thrombocrit — Тромбокрит.

Отдельным блоком идет лейкоцитарная формула

Это более детальная информация о тех самых WBC из предыдущего блока.

Лейкоциты в крови очень разные. Все они в целом отвечают за иммунитет, но каждый отдельный вид за разные направления в иммунной системе: за борьбу с бактериями, вирусами, паразитами, неспецифическими чужеродными частицами. Поэтому врач всегда смотрит сначала на общий показатель лейкоцитов из перечня выше, а затем на лейкоцитарную формулу, чтобы понять, а какое звено иммунитета нарушено.

Обратите внимание, что эти показатели обычно идут в двух измерениях: абсолютных (абс.) и относительных (%).

Абсолютные показывают, сколько штук клеток попало в поле зрения, а относительные — сколько эти клетки составляют от общего числа лейкоцитов. Это может оказаться важной деталью — например, в абсолютных цифрах лимфоциты вроде как в пределах нормы, но на фоне общего снижения всех лейкоцитов — их относительное количество сильно выше нормы. Итак, лейкоцитарная формула.

NEU (% и абс.) — Neutrophil —Нейтрофилы;
LYMP (% и абс.) — Lymphocyte — Лимфоциты;
MONO (% и абс.) — Monocytes —Моноциты;
EO (% и абс.)— Eosinophils — Эозинофилы;

Baso (% и абс.) — Basophil —Базофилы.

Расшифровка

А теперь пройдемся по каждому из этих показателей и разберем, что они значат.

HGB — hemoglobin — Гемоглобин

Гемоглобин — это белок, который переносит по организму кислород и доставляет его в нужные ткани. Если его не хватает — клетки начинают голодать и развивается целая цепочка симптомов: слабость, утомляемость, головокружение, выпадение волос и ломкость ногтей, заеды в уголках губ и другие. Это симптомы анемии.

В молекулу гемоглобина входит железо, а еще в его формировании большую роль играют витамин В12 и фолиевая кислота. Если их не хватает — в организме нарушается синтез гемоглобина и развивается анемия.

Есть еще наследственные формы анемии, но они случаются гораздо реже и заслуживают отдельного разбора.

В норме гемоглобин составляет 120−160 г/л для женщин и 130-170 г/л для мужчин. Нужно понимать, что в каждом конкретном случае нормы зависят от лаборатирии. Поэтому смотреть нужно на референсные значения той лаборатории, в которой вы сдавали анализ.

Повышенные цифры гемоглобина чаще всего случаются из-за сгущения крови, если человек излишне потеет во время жары, или принимает мочегонные. Еще повышенным гемоглобин может быть у скалолазов и людей, которые часто бывают в горах — это компенсаторная реакция на недостаток кислорода. Еще гемоглобин может повышаться из-за заболеваний дыхательной системы — когда легкие плохо работают и организму все время не хватает кислорода. В каждом конкретном случае нужно разбираться отдельно.

Снижение гемоглобина — признак анемии. Следующим шагом нужно разбираться какой.

RBC — red blood cells — Эритроциты

Эритроциты — это красные клетки крови, которые транспортируют гемоглобин и отвечают за обменные процессы тканей и органов. Именно гемоглобин, а точнее — его железо, красит эти клетки в красный.

Нормы для мужчин — 4,2-5,6*10*9/литр. Для женщин — 4-5*10*9/литр. Которые опять-таки зависят от лаборатории.

Повышаться эритроциты могут из-за потери жидкости с потом, рвотой, поносом, когда сгущается кровь. Еще есть заболевание под названием эритремия — редкое заболевание костного мозга, когда вырабатывается слишком много эритроцитов.

Снижении показателей обычно является признаком анемии, чаще железодефицитной, реже — другой.

MCV

— mean corpuscular volume — Средний объем эритроцитов

Норма — 80-95 для мужчин и 80-100 для женщин.

Объем эритроцитов уменьшается при железодефицитной анемии. А повышается — при В12 дефицитной, при гепатитах, снижении функции щитовидной железы.

MCH — mean concentration hemoglobin — Среднее содержание гемоглобина в эритроците

Повышается этот показатель редко, а вот снижение — признак анемии или снижения функции щитовидной железы.

MCHC – средняя концентрация гемоглобина в эритроцитах

Повышение значений почти всегда свидетельствует об аппаратной ошибке, а снижение – о железодефицитной анемии.

HTC — hematocrit — Гематокрит

Это процентное соотношение форменных элементов крови к ее общему объему. Показатель помогает врачу дифференцировать, с чем связана анемия: потерей эритроцитов, что говорит о заболевании, или с избыточным разжижением крови.

PLT – platelets — тромбоциты

Это элементы крови, ответственные за формирование тромботического сгустка при кровотечениях. Превышение нормальных значений может свидетельствовать о физическом перенапряжении, анемии, воспалительных процессах, а может говорить о более серьезных проблемах в организме, среди которых онкологические заболевания и болезни крови.

Снижение уровня тромбоцитов в последние годы часто свидетельствует о постоянном приеме антиагрегантов (например, ацетилсалициловой кислоты) с целью профилактики инфаркта миокарда и ишемического инсульта головного мозга.

А значительное их снижение может быть признаком гематологических заболеваний крови, вплоть до лейкозов. У молодых людей — признаками тромбоцитопенической пурпуры и других заболеваний крови. Так же может появляться на фоне приема противоопухолевых и цитостатических препаратов, гипофункции щитовидной железы.

WВС — white blood cells – лейкоциты

Это основные защитники нашего организма, представители клеточного звена иммунитета. Повышение общего количества лейкоцитов чаще всего свидетельствует о наличии воспалительного процесса, преимущественно бактериальной природы. Также может оказаться признаком так называемого физиологического лейкоцитоза (под воздействием боли, холода, физической нагрузки, стресса, во время менструации, загара).

Нормы у мужчин и женщин обычно колеблются от 4,5 до 11,0*10*9/литр.

Снижение лейкоцитов – признак подавления иммунитета. Причиной чаще всего являются перенесенные вирусные инфекции, прием некоторых лекарств (в том числе нестероидных противовоспалительных и сульфаниламидов), похудение. Гораздо реже — иммунодефициты и лейкозы.

Лейкоцитарная формула

NEU — нейтрофилы

Самый большой пул лейкоцитов, составляющий от 50 до 75% всей лейкоцитарной популяции. Это основное звено клеточного иммунитета. Сами нейтрофилы делятся на палочкоядерные (юные формы) и сегментоядерные (зрелые). Повышение уровня нейтрофилов за счёт юных форм называют сдвигом лейкоцитарной формулы влево и характерно для острой бактериальной инфекции. Снижение — может быть признаком вирусной инфекции, а значительное снижение — признаком заболеваний крови.

LYM — лимфоциты

Второй после нейтрофилов пул лейкоцитов. Принято считать, что во время острой бактериальной инфекции число лимфоцитов снижается, а при вирусной инфекции и после неё – повышается.

Значительное снижение лимфоцитов может наблюдаться при ВИЧ-инфекции, при лейкозах, иммунодефицитах. Но это случается крайне редко и как правило сопровождается выраженными симптомами.

EOS — эозинофилы

Редкие представители лейкоцитов. Повышение их количества встречается при аллергических реакциях, в том числе лекарственной аллергии, также является характерным признаком глистной инвазии.

BAS — базофилы

Самая малочисленная популяция лейкоцитов. Их повышение может говорить об аллергии, паразитарном заболевании, хронических инфекциях, воспалительных и онкологических заболеваниях. Иногда временное повышение базофилов не удается объяснить.

MON — моноциты

Самые крупные представители лейкоцитов. Это макрофаги, пожирающие бактерии. Повышение значений чаще всего говорит о наличии инфекции — бактериальной, вирусной, грибковой, протозойной. А также о периоде восстановления после них и о специфических инфекциях — сифилисе, туберкулезе. Кроме того может быть признаком системных заболеваниях — ревматоидный артрит и другие.

CОЭ – скорость оседания эритроцитов

Если набрать кровь в пробирку и оставить на какое-то время — клетки крови начнут падать в осадок. Если через час взять линейку и замерить, сколько миллиметров эритроцитов выпало в осадок — получим скорость оседания эритроцитов.

В норме она составляет от 0 до 15 мм в час у мужчин, и от 0 до 20 мм у женщин.

Может повышаться, если эритроциты чем-то отягощены — например белками, которые активно участвуют в иммунном ответе: в случае воспаления, аллергической реакции, аутоимунных заболеваний — ревматоидный артрит, системная красная волчанка и другие. Может повышаться при онкологических заболеваниях. Бывает и физиологическое повышение, объясняемое беременностью, менструацией или пожилым возрастом.

В любом случае — высокий СОЭ всегда требует дополнительного обследования. Хоть и является неспецифическим показателем и может одновременно говорить о многом, но мало о чем конкретно.

В любом случае по общему анализу крови практически невозможно поставить точный диагноз, поэтому этот анализ является лишь первым шагом в диагностике и некоторым маячком, чтобы понимать, куда идти дальше. Не пытайтесь найти в своем анализе признаки рака или ВИЧ — скорее всего их там нет. Но если вы заметили любые изменения в анализе крови — не откладывайте визит к врачу. Он оценит ваши симптомы, соберет анамнез и расскажет, что делать с этим анализом дальше.

Если после этой статьи у вас все же остались вопросы по результатам анализов — вы можете проконсультироваться нашими терапевтами онлайн и задать любые волнующие вас вопросы, предварительно отправив результаты своих анализов в чат с врачом. Консультации платные, но здоровье того стоит. Для консультации переходите по ссылке.

За предоставленную информацию благодарим сервис Яндекс Здоровье

Расшифровка анализа крови

Правильная и своевременная диагностика позволяет выявить заболевания на самых ранних стадиях, а вовремя назначенное лечение поможет не только ускорить излечение, но и избежать трагических последствий. О тех или иных реакциях, проходящих в организме пациента, расскажет расшифровка анализа крови.

Расшифровка анализа крови, проводимая в г. Владимир-это недорогой способ комплексно проанализировать состояние организма, диагностировать наличие тех или иных изменений. В свою очередь, общий анализ крови имеет несколько разновидностей:

-биохимический;
-иммунологический;
-серологический;
-гормональный.

Особенности анализа.

Точная расшифровка анализа крови должна осуществляться специалистами с профильным медицинским образованием, его правильная интерпретация требует медицинской подготовки. Полная расшифровка анализа крови представляет собой
сведения о ряде основополагающих компонентов, всего их более 20.

Отклонения от нормы позволяют предположить наличие инфекций, воспалений, аллергических реакций. Показатели
различаются в зависимости от пола, у взрослых и детей. Во избежание ошибок при проведении расшифровки анализа крови обязательно указывайте ваш пол и возраст.

Корректная расшифровка анализа крови должна обеспечивать следующим условиям:

-исследование проводится комплексно, требуется оценить взаимосвязь показателей и их влияние друг на друга;
-для правильного диагноза скорее всего
потребуется проведение дополнительных диагностических исследований;
-квалифицированный врач ставит диагнозы не только основываясь на данных анализов, но и обязательно осматривает пациента и собирает необходимый анамнез;
-при неправильной подготовке перед сдачей, либо лабораторная ошибка могут негативно повлиять на конечный результат. В таком случае он сдается повторно.

Полноценная расшифровка анализа крови-важнейший инструмент медицинской диагностики, поэтому стоит внимательно следовать рекомендациям врача перед его сдачей.

Подготовка к исследованию.

Анализ выполняется посредством забора капиллярной крови из пальца или из вены(при биохимическом). Как правило, сдается утром, натощак. Накануне ограничьте в своем рационе жирную и тяжелую пищу, алкоголь. Не рекомендуется сдавать кровь в негативном эмоциональном состоянии, все это может повлечь изменения клинической картины.

Забор крови из пальца осуществляется стерильной иглой. Ее стерильность обусловлена не только в целях избежания инфицирования, но и для точного анализа, чтобы не было искажений. Далее полученный материал исследуется под микроскопом.

Расшифровка анализа крови.

Она основывается на оценке отдельных характеристик. Все они имеют определенный уровень, превышение которого
сигнализирует о наличии заболеваний в организме человека. Величину полученных показателей необходимо сопоставлять с другими данными, немаловажны и индивидуальные особенности организма.

Оценка отдельных показателей.

К наиболее значимым характеристикам относятся:

-гемоглобин;
-СОЭ;
-лейкоциты;
-гематокриты.

Эритроциты ответственны за транспортировку гемоглобина, своим красным цветом кровь обязана именно этим кровяным тельцам. Уровень меняется в зависимости от возраста и пола. Существенное повышение может быть признаком гормональных заболеваний, сердца и легких, дисфункции надпочечников. Низкий уровень говорит об анемии, нехватке витаминов группы В.

Еще одна важная величина, анализируемая при расшифровке анализа крови-величина СОЭ, или скорость оседания эритроцитов. На СОЭ прямо пропорционально
влияет уровень белка в крови. Высокий уровень сигнализирует о воспалении в организме, как правило, при травмах, онкологии, инфекциях. Плохое функционирование кровообращения снижает СОЭ ниже нормы.

Расшифровка анализа помогает оценить уровень гемоглобина, который представляет собой белок, содержащий
железо и находится в составе эритроцитов. Способен связывать молекулы кислорода и перемещать их вместе с током крови, насыщая кровь кислородом. Его значительное снижение выступает определяющим фактором и свидетельствует о недостатке железа, фолиевой кислоты и витаминах группы В.

Влияют на расшифровку анализа крови и лейкоциты, которые отвечают за состояние иммунитета. Высокий уровень характерен для инфекций, скрытых кровотечений, лейкозов. Их уровень повышен при вирусных инфекциях, ревматизме, после лечения медикаментами.

Анализ крови на гормоны, норма и расшифровка результатов показателей

Гормоны – это биологически активные вещества, которые вырабатываются эндокринной системой. Они отвечают за работу большинства жизненно важных органов, регулируют рост и обмен веществ. Хотя их содержание в кровеносной системе, по сравнению с другими компонентами, незначительное, они играют одну из ключевых ролей в организме. Различные гормоны выполняют разные функции, они могут как дополнять друг друга, так и вызывать негативный эффект. Для того, чтобы наш организм нормально функционировал, его гормональный фон должен находиться в равновесии. Отклонения в ту или иную сторону незамедлительно приводят к расстройствам, а иногда даже к серьезным патологиям. Гормональные нормы – это не постоянная единица, их процентное содержание зависит от пола, возраста и ряда других факторов.

Общее определение

Анализ крови на гормоны позволяет выявить, не нарушен ли гормональный баланс. Сегодня отмечается рост эндокринных заболеваний, вызванных расстройством функций желез внутренней секреции. Чтобы предотвратить негативные последствия, своевременно начав терапию, рекомендовано регулярно проверять свой гормональный фон. Это можно сделать в нашем многопрофильном медицинском центре «ВЫМПЕЛ-МЕДЦЕНТР». Высококвалифицированные специалисты, в распоряжении которых находится лучшее диагностическое оборудование, помогут выявить проблемы в работе организма на самых ранних стадиях.

Когда назначается исследование гормонального фона

Практически во всех жизненно важных процессах человеческого организма так или иначе принимают участие гормоны. Начиная с самого рождения, они регулируют здоровье человека, его психоэмоциональное состояние и жизнь в целом. За счет этих биологически активных веществ человек приспосабливается к изменениям окружающей среды, вступает в отношения, заводит детей, другими словами, нормально существует. Нарушение же гормонального баланса может иметь самые серьезные последствия.

Анализ крови на гормоны просто так не назначается. То есть при плановом осмотре делать исследование эндокринной системы никто не будет. Подобная диагностика, как правило, проводится исключительно по направлению врача, который имеет подозрение на нарушения в работе щитовидной железы, сахарный диабет или другое эндокринное заболевание. Помимо этого, такой анализ часто назначается девушкам и женщинам, страдающим постоянными сбоями менструального цикла, бесплодием, угревой сыпью, периодическими выкидышами и ожирением.

Для беременных женщин — это одно из обязательных исследований, так как недостаток того или иного гормона может привести к необратимым последствиям.

Как правильно сдавать

Кровь на анализ берется из вены. В зависимости от симптоматики доктор выделяет группу гормонов, которые нужно проверить. Желательно за 12 часов полностью ограничить физические и психоэмоциональные нагрузки, не употреблять спиртные напитки, медпрепараты и еду, содержащую йод.

Особого внимания требует подготовка к сдаче образцов крови для представительниц прекрасной половины – она должна проводиться в определенный промежуток менструального цикла, который обозначает доктор. Сама процедура сдачи, как правило, назначается на утренние часы, на пустой желудок.

Общие показатели, расшифровка

Полное представление о состоянии организма и гормонального фона можно получить, сдав один из следующих видов анализов:

Гормоны щитовидной железы:

Т4 свободный – одно из наиболее важных биологически активных веществ щитовидной железы, которое отвечает за транспортировку белковых соединений и поддержания их оптимального баланса в организме. Нормальный показатель содержания в плазме для здорового человека равен от 10 до 22 ммоль/л. Переизбыток говорит о соматических или психических недугах, липемии. Дефицит – о беременности, плохом питании, больших физических нагрузках, употреблении ряда лекарственных препаратов.
ТТГ – непосредственно влияет на щитовидку, отвечает за циркуляцию ее компонентов. Норма для абсолютно здорового человека – от 0,4 до 4 мЕд/литр. Превышение говорит о надпочечниковой недостаточности, сложной нетироидной патологии и т.д. Низкий уровень – о тиреотоксикозе, дисбалансе кортизола и т.д.
Т3 общий – нужен для стабилизации периферийных желез внутренней секреции. Норма – 1,3 – 2,7 нМоль/л. Переизбыток гормона говорит о беременности, приеме наркотических средств или эстрогенов. Недостаток – о патологии ЖКТ, акромегалии, гемолизе, голодании и других расстройствах.
Т4 общий – одно из главных биоактивных веществ щитовидной железы. Правильные показатели – от 59 до 160 нмоль/л. Выход за рамки этих цифр в большую сторону может говорить об ожирении, наличии гепатита, беременности и т.д., в меньшую – о голодании, чересчур больших физических нагрузках, болезнях почек и ЖКТ.
Т3 свободный – стимулирует циркуляцию кислорода в мягких тканях. Норма находится в пределах – от 2,6 до 5,6 пмоль на литр. Превышение показателей говорит о гипертиреозе, токсикозе, недостача – о синдроме периферического сопротивления сосудов, приеме йодсодержащих лекарственных препаратов.
Антитела к тиреоглобулину (АТ-ТГ) помогают выявить некоторые аутоиммунные болезни. Нормальный показатель находится в рамках от 0 до 4,11 Ед/мл.
ТСГ – один из основных функциональных элементов щитовидной железы. Норма для здорового человека лежит в пределах от 258 до 574 нмоль/литр. Больший показатель может указывать на беременность, гепатит или гипопротеинемию.

Половые гормоны:

Эстрадиол – активный компонент в крови женщин, который отвечает за созревание половых клеток и влияет на правильное развитие плода во время беременности. Норма разнится в зависимости от жизненного цикла: от 200 до 286 пм/л (для дам в фолликулярной фазе), от 52 до 136 пм/л (для женщин в период менопаузы) и от 441 до 576 (девушек в лютеиновой фазе). Переизбыток говорит об возможных опухолях на яичниках, недостаток – о сбое выделения гонадотропных гормонов.
Тестостерон – непосредственно влияет на нарастание мышечной массы, укрепление костей, формирование половых признаков. Показатели лежат в пределах от 2 до 10 нг/мл у мужчин и от 0,2 до 1 у женщин
Прогестерон — появляется в организме после формирования яйцеклетки. Гормон беременности, как его еще называют, отвечает за стабильность развития внутриутробного плода. Норма – от 22 до 30 нм/л в лютеиновой фазе, 1 – 2,3 нм/л в фолликулярной фазе, 1 – 1,8 при менопаузе. Если значение выше нормы, то это может свидетельствовать о патологических процессах в коре надпочечников, если меньше – о склерозе яичников.

Гормоны гипофиза:

АКТГ – отвечает за выделение биоактивных веществ в коре надпочечников. Корректные показатели – до 50 пг/мл. Если больше – возможна гиперплазия, меньше – надпочечниковая недостаточность, опухоль.
Пролактин — отвечает за стимуляцию лактации у женщин, работу простаты у представителей сильной половины. Для последних норма составляет от 100 до 266 мкг/л, для дам в детородном возрасте от 129 до 539 мкг/л, женщин в менопаузе – от 106 до 289 мкг/л.
СТГ – отвечает за развитие костной и мышечной массы и других важных органов. Норма – до 10 нг/мл. Повышенные показатели говорят об акромегалии или гигантизме, пониженные свидетельствуют о гипофизарном нанизме.
ЛГ – обеспечивает полное созревание яйцеклетки у женщин и сперматозоидов у мужчин. Норма для парней – от 2,12 до 4 мЕД/мл, для девушек, в зависимости от менструального цикла – от 1,55 до 53 мЕД/мл. Отклонение в ту или иную сторону – признак разных дисфункций половых желез.

Гормоны надпочечников:

Адреналин и норадреналин – отвечают за ритм работы сердечной мышцы, давление, сосуды, моторику, формируют уровень глюкозы. Корректные показатели – от 1,9 до 2,45 нм/л и от 0,6 до 3,22 соответственно. Переизбыток сигнализирует о желтухе, почечных патологиях, недостаток – о миастении либо поражении гипоталамуса.
Кортизол – отвечает за восприимчивость к аллергическим реакциям, систематизирует производство антител. Норма – от 229 до 749 нм/л. Если показатели меньше, есть вероятность болезни Аддисона или заболевания надпочечников, превышение нормы свидетельствует о аденоме или раке.
Альдостерон – важный гормон, отвечающий за баланс воды и соли. Правильное значение колеблется от 30 до 172 пг/мл. Недостаток – признак тромбоза, плохого питания, эмболии артерии. Избыток может говорить о новообразовании в надпочечниках или гиперплазии.

Резюме

Нельзя пренебрегать сдачей анализов на гормоны, которую рекомендует Ваш лечащий врач. Подобная диагностика позволяет выявить серьезные заболевания еще на стадии их первичного формирования, тем самым увеличив шансы на быстрое выздоровление. «ВЫМПЕЛ-МЕДЦЕНТР» – это высококачественные и точные исследования, подробные консультации и лечение различных заболеваний в Москве. Записаться на прием Вы можете на сайте или по телефону.

Дата публикации: 24.09.2020 16:28:13

Расшифровка медицинских анализов стала доступна всем пользователям интернета | ЗДОРОВЬЕ: Медицина | ЗДОРОВЬЕ

Согласитесь, нелепая ситуация. Конечно, можно посетовать на больную, что она не правильно поставила вопрос (каков вопрос – таков ответ), можно обвинить доктора в черствости и даже в некоторой степени грубости. Но я подумала вот о чем. Можно было избежать всего этого, если бы большее количество больных или посетителей поликлиник знали бы о новой услуге, предоставляемой интернет-сервисом SprosiDoktora.ru.

Уже давным-давно всем известно, что самыми важными диагностическими методами признаны исследования мочи, крови, кала. Подобного типа анализы дают возможность оценить состояние организма человека в целом, определить наличие патологических изменений либо разнообразные нарушения. На основании таких анализов устанавливают диагноз заболевания.

Но при этом только единицы из сотни могут разобраться со сложностями расшифровки полученных анализов. Пациенты, как правило, руководствуясь любопытством, а также известным желанием все держать под контролем, пытаются расшифровать анализы самостоятельно.

Именно в подобной ситуации стоит обратиться к новейшему уникальному интернет-сервису SprosiDoktora.ru, где расшифровка анализов кала, крови, мочи онлайн, проводится быстро, к тому же бесплатно. Сервис сэкономит ваше свободное время, избавив от изнурительных поисков, но самое важное вы гарантировано получите самую полную информацию по расшифровке анализов. На сервисе SprosiDoktora.ru можно расшифровать следующие типы медицинских анализов онлайн:

— анализ мочи, который сдается при беременности;

— результаты общего анализа мочи;

— биохимический анализ крови онлайн;

— общий анализ крови в онлайн режиме;

— результаты анализа мочи по Нечипоренко, а также многие другие анализы.

Кроме основных видов анализов, на интернет-сайте осуществляется расшифровка копограммы, а также можно расшифровать результаты ЭКГ и спермограммы также онлайн.

Расшифровка каждого анализа осуществляется мгновенно, а пользователь может сразу же узнать доскональные данные по любому параметру.

При расшифровке анализов определяются имеющиеся отклонения от нормы, и более того могут быть предложены советы в отношении обследования. Помимо того, на основании результатов расшифровки анализа мочи, кала и крови, расшифровки спермограммы, пациент сможет также выяснить предполагаемый диагноз. При наличии оставшихся вопросов, касающихся результатов анализов, каждый человек может тут же, и сразу же проконсультироваться у практикующих врачей в режиме онлайн.

Отдельно следует отметить, что подобные услуги предложены далеко не всеми веб-порталами, а если имеются, то, как правило, это платные услуги.

Если же у вас возникнут какие-либо вопросы по поводу работы данного сервиса вы можете найти подробные разъяснения на сайте блога проекта — https://blog.SprosiDoktora.ru

Из всего сказанного хочется еще раз обратить ваше внимание на то, что интернет-проект CпросиДоктора.ру обеспечивает быстроту и эффективность расшифровки большинства видов медицинских анализов, и это можно сделать в любое время. При этом не стоит забывать, что данные расшифровки несут информационный характер и не являются основанием для постановки диагноза, а тем более для самостоятельного лечения.

Биохимические исследования крови в Москве. Расшифровка и норма. Сдать анализы в МЦ «Здоровье» ЮАО (Варшавская и Аннино), ЦАО (Краснопресненская и Рижская).

Биохимический анализ крови не только раскроет полную картину функционирования того или иного органа, но и расскажет, испытывает ли человек недостаток в том или ином микроэлементе или витамине. Проведите исследование крови в нашей клинике!

Биохимический анализ крови — метод лабораторной, позволяющий оценить работу внутренних органов, получить информацию о метаболизме, выяснить потребность в микроэлементах.

Это один из самых эффективных и информативных методов диагностики. При постановке диагноза на результаты биохимического анализа крови опираются специалисты всех направлений медицины.

Показания к исследованию

Биохимия назначается пациенту для диагностики патологических изменений в организме или для контроля за динамикой проводимого лечения. Для определения того или иного заболевания, врач назначает конкретный перечень показателей для исследования.
Обычно такое исследование назначают при подозрении на наличие следующих патологий:

нарушения в работе сердечно-сосудистой или эндокринной системы;
патологии почек;
заболевания опорно-двигательного аппарата;
болезни крови;
патологии ЖКТ;
онкология;
интоксикация.

Кроме того, биохимия показана при подготовке к операции, во время беременности и при ее планировании для определения общего состояния организма.

Подготовка к исследованию

В диагностике патологий точность анализов является залогом постановки правильного диагноза. Для того, чтобы результаты биохимического анализа крови были корректными, необходимо придерживаться правил подготовки к исследованию.

Анализ крови из вены сдают строго натощак;
Накануне исследования запрещены крепкие напитки, жирная еда, алкоголь;
Хотя бы за час до анализа следует воздержаться от курения;
За сутки не рекомендованы бани, горячие ванны и другое температурное воздействие на организм;
Не рекомендованы физические нагрузки;
По согласованию с лечащим врачом необходимо временно прекратить прием антибиотиков, гормональных и других препаратов;
Сдавать анализы следует в спокойном состоянии.

Расшифровка результатов

Не рекомендуем самостоятельно анализировать результаты исследований. Только опытный врач имея на руках детальный анамнез и результаты анализов сможет точно определить диагноз и назначить лечение.
Приглашаем вас на консультацию к врачам медицинского центра «Здоровье».

Сдать биохимический анализ крови можно без очереди в утренние часы. Мы предоставляем комфортные условия, квалифицированный персонал и минимум неприятных ощущений.

Анализ крови и расшифровка основных показателей результата — Поликлиника «Мед Экпресс»

Анализ крови – это самый доступный и эффективный метод диагностирования некоторых заболеваний и определения общего состояния здоровья человека. Именно по крови перемещается кислород и другие питательные вещества, влияющие на иммунитет, также туда поступают яды и токсины. Анализ позволит понять причину ухудшения состояния человека и позволить доктору составить детальный план лечения.

Предварительная подготовка к общему анализу

Перед тем, как сдать кровь на лабораторные исследования, необходимо заранее подготовиться. Важно знать несколько нюансов и правил, чтобы получить достоверный результат.

Кровь для лабораторного исследования сдается натощак рано утром. Не рекомендуется даже выпивать стакан воды. Если пациент ощущает слабость, то необходимо посоветоваться с доктором и при возможности перенести процедуру.
Накануне вечером перед сдачей крови нельзя кушать слишком жирную или слишком соленую пищу.
Нельзя нервничать. Психоэмоциональное состояние способно негативно сказаться на результате проведенного исследования.

Если будет нарушено одно из представленных правил, результат будет искажен. В таком случае лечащему врачу придется назначить пациенту дополнительные анализы в Липецке на наличие в крови бактерий.

О чем говорят показатели результата

Гемоглобин. HB – это белок, который находится в составе эритроцитов. Основная его функция состоит в том, чтобы транспортировать кислород по всем органам и возвращать в легкие углекислый газ. Повышение показателя обуславливается обезвоживанием организма и может привести к анемии.
Эритроциты. Эти кровяные тельца красного цвета необходимы для того, чтобы переносить кислород. Недостаток эритроцитов приводит к анемии.
Цветовой показатель указывает на то, достаточно ли эритроцитов в гемоглобине.
Лейкоциты – это тоже маленькие кровяные тельца, но они имеют белый цвет. Играют очень важную роль в организме человека, защищают иммунную систему от микробов. Другими их и можно назвать самим иммунитетом.
Тромбоциты – вещества, которые отвечают за то, как хорошо будет свертываться кровь. Если показатель повышен, это говорит о том, что в организме происходит воспалительный процесс и человеку необходимо проконсультироваться с врачом.
Лимфоциты – это клетки, которые противостоят вирусным инфекциям. Они способствуют укреплению иммунитета человека.

Общий анализ крови в Липецке делается быстро, результат пациент узнает уже на следующий день. Получив полную картину состояния здоровья человека, доктор сможет назначить лечение.

Опубликовано: 29 июня 2016 г.

Исследователи расшифровывают и кодифицируют универсальный язык медоносных пчел

Исследователи проанализировали танцы 85 помеченных пчел из трех ульев. Предоставлено: Технологический институт Вирджинии.

Для исследователей Технологического института Вирджинии Маргарет Кувийон и Роджера Шюрха миф о происхождении Вавилонской башни, предназначенный для объяснения происхождения многих языков мира, имеет большое значение.

Два доцента и их команды расшифровали язык медоносных пчел таким образом, чтобы позволить другим ученым со всего мира интерпретировать весьма сложные и сложные коммуникации насекомых.

В статье, опубликованной в апрельском выпуске Animal Behavior , исследователи представляют необычайное фундаментальное достижение — универсальную калибровку, или для поклонников научной фантастики, «рыбу-вавилон», которая транслирует коммуникацию медоносных пчел между подвидами и ландшафтами. Расшифровывая поучительные сообщения, закодированные в движениях насекомых, называемые танцами виляния, команды надеются лучше понять предпочтительные корма насекомых и расположение этих источников пищи.

«Прежде чем мы сможем кормить опылителей, мы должны знать, когда и где им нужна еда. Мы должны расшифровать виляющие танцы», — сказал Шюрх, ведущий автор статьи. «Итак, это фундаментальный первый шаг».

Исследователи проанализировали танцы 85 помеченных пчел из трех ульев.

Передача медоносных пчел, как оказалось, имеет серьезные сельскохозяйственные, экологические и экономические последствия. По оценкам Министерства сельского хозяйства США, каждый третий укус еды в Соединенных Штатах зависит от медоносных пчел и других опылителей.В денежном выражении насекомые-опылители поддерживают урожайность сельскохозяйственных культур и сельскохозяйственные экосистемы и, как полагают, ежегодно вносят в экономику США около 24 миллиардов долларов.

Работа команды Колледжа сельского хозяйства и наук о жизни является частью более крупного гранта Фонда продовольственных и сельскохозяйственных исследований, некоммерческой организации, созданной при поддержке двухпартийного Конгресса в Законе о сельском хозяйстве 2014 года. Кувийон и Шюрх вместе с коллегой кафедры энтомологии доцентом Салли Тейлор и Меган О’Рурк, доцентом Школы наук о растениях и окружающей среде, изучают поведение опылителей в различных ландшафтах, чтобы определить, где и когда при посадке дополнительных кормов может быть полезен наиболее положительно влияет на питание и здоровье опылителей.

Почти шесть десятилетий назад Карл фон Фриш, лауреат Нобелевской премии по этологии, обнаружил, что угол тела танцора по отношению к вертикали кодирует направление корма, а расстояние до источника корма определяется продолжительностью движения. пчелиный танец.

Во время виляющего танца успешный собиратель возвращается в улей и сообщает расстояние и направление от улья до источника пищи, выполняя несколько повторяющихся движений в форме восьмерки, называемых виляющими движениями.

Из-за сложности и затрат на создание оригинальной калибровки продолжительности по расстоянию калибровочная модель фон Фриша, которая основана на средних значениях, а не на данных по отдельным пчелам, послужила золотым стандартом в сообществе исследователей пчел.

Тем не менее, согласно Кувийону и Шюрху, разные пчелы, перемещающиеся в одном и том же месте, могут менять свой бег, и даже отдельные пчелы, повторяющие бег, могут менять свой танец. Более того, пчел вдохновляет на танец только тогда, когда они находят особенно соблазнительные пищевые ресурсы.Подобные аномалии в сочетании с более глубоким пониманием высокоразвитого познания пчел вдохновили дуэт мужа и жены на разработку собственной системы калибровки расстояния-продолжительности шесть лет назад с пчелами, преимущественно A. mellifera mellifera в Сассексе, США. Королевство.

«Мы собрали эту информацию от многих пчел в двух разных ландшафтах, разделенных океаном, за несколько лет», — сказал Кувийон. «Однако мы еще многого не знаем о том, чем питаются пчелы.Итак, представьте, что вы расшифровываете множество танцев и наносите их на карту, чтобы увидеть, куда уходят пчелы. Мы хотели сделать это по сезонам, чтобы получить полное представление о том, что они собирают и где. Таким образом, мы также сможем увидеть, когда им труднее найти корм, а когда легче ».

Члены команды проводят месяцы, анализируя движения каждого танцора, чтобы определить калибровку расстояния и продолжительности. Предоставлено: Технологический институт Вирджинии.

Члены команды проводят месяцы, анализируя движения каждого танцора, чтобы определить калибровку расстояния и продолжительности.

После поступления в Технологический институт Вирджинии в 2016 году пара попыталась определить, можно ли применить их систему к A. mellifera ligustica, другому генетическому подвиду в Соединенных Штатах, и в совершенно ином ландшафте. Руководствуясь эмпирическими знаниями и новой гипотезой, они также учли шум — то есть вариации танцев между пчелами, которые посещают одно и то же место, но передают эту информацию немного иначе, — чтобы улучшить предсказания модели.

«Для проведения такого рода исследований требуется много времени, усилий и средств, — сказал Кувийон.«Мы расшифровываем танцы вручную».

Их тщательный процесс калибровки требует, чтобы каждая пчела была пронумерована и записана на видео. Затем члены команды проводят месяцы перед компьютерами, анализируя движения каждого танцора, чтобы определить калибровку расстояния и продолжительности.

«Наше исследование также отличает то, что мы обучили множество пчел и следовали за ними на больших расстояниях», — сказал Шюрх. «Вы можете научить пчел подходить к кормушке и перемещать ее все дальше и дальше».

Для исследования в Вирджинии исследователи проанализировали танцы 85 помеченных пчел из трех ульев.Затем они сравнили свою систему с ранее опубликованной калибровкой.

Их следующим шагом было сравнение, а затем сопоставление их данных со всеми опубликованными калибровочными исследованиями. При этом команда обнаружила, что индивидуальный шум или различия между пчелами были настолько высоки, что разница между местоположением и подвидом стала биологически несущественной.

«Хотя между популяциями существовали различия в том, как они общаются, это не имеет значения с точки зрения пчел», — сказал Шюрх.«Мы не можем отличить их друг от друга с точки зрения того, как они переводят эту информацию. Существует огромное совпадение. Фактически, пчела из Англии поймет пчелу из Вирджинии и найдет источник пищи таким же образом с аналогичным показателем успеха».

Объединив все свои калибровочные данные, Кувийон и Шюрх сделали свою работу универсальной для других исследователей, предоставив ученым всего мира кодекс для расшифровки того, где пчелы собирают пищу. Такие знания необходимы не только для информирования о передовых методах выращивания пчел, но и будут иметь решающее значение для сохранения их популяций.

«Мы думаем, что это исследование может позволить использовать пчел в качестве биоиндикаторов», — сказал Кувийон. «Пчелы могут сообщить нам с высоким пространственным и временным разрешением, где есть корм и в какое время года. Так что, если вы, например, хотите построить торговый центр, мы будем знать, будет ли уничтожена основная среда обитания опылителей. И где корм для пчел, корм для других видов. Могут последовать меры по сохранению ».

В течение следующих нескольких лет исследователи надеются и дальше демонтировать Вавилонскую башню, автоматизируя процесс декодирования, чтобы лучше и быстрее оценивать, куда уходят пчелы в режиме реального времени.

«Мы на полтора года удалены от анализа пчел. Представьте, если бы вы получили его мгновенно», — сказал Кувийон.

Жужжащие пчелы не могут устоять перед нектаром с кофеином

Дополнительная информация: Roger Schürch et al.Разборка Babel: создание универсальной калибровки для декодирования танца виляния медоносной пчелы, Animal Behavior (2019). DOI: 10.1016 / j.anbehav.2019.01.016 Предоставлено Технологический институт Вирджинии

Ссылка : Исследователи расшифровывают и кодифицируют универсальный язык медоносных пчел (2019, 27 марта) получено 8 августа 2021 г. с https: // физ.org / news / 2019-03-decipher-codify-universal-language-honey.html

Этот документ защищен авторским правом. За исключением честных сделок с целью частного изучения или исследования, никакие часть может быть воспроизведена без письменного разрешения. Контент предоставляется только в информационных целях.

Расшифровка песен пчел

Авторы: Джерри Броменшенк, Роберт Секкомб, Колин Хендерсон, Дэвид Ферт Bee Alert Technology Inc; Миссула, MT

Стартовый экран

NPR 18.02.2019, Заголовок: Огромная потеря тысяч ульев… Эта статья подчеркивает фундаментальную проблему.В США, Канаде и большинстве стран нет системы раннего выявления и быстрого сообщения о возникающих проблемах со здоровьем колоний, когда и где они возникают. Пчелы нуждаются в обновлениях и картировании человеческого гриппа CDC США. Эту проблему можно решить сразу с помощью одной из функций Bee Health Guru; наше приложение для смартфонов, в котором пчелы сами являются гуру, показывая здоровье колонии с помощью звуков, которые они издают.

В течение 12 лет мы работали над созданием портативного устройства для измерения, анализа и составления отчетов о состоянии колоний.Как и в случае со Star Trek Tricorder ™, наша система записи и анализа пчелиного звука использует машинный интеллект (ИИ) для анализа звуков колоний. В 2012 году мы построили несколько портативных устройств для записи пчел, которые были большими, дорогими и неудобными в использовании. Меньшие, доступные, удобные устройства с быстрой обработкой данных и большими возможностями хранения были недоступны до 2018 года, когда появились смартфоны с функцией распознавания лиц для обеспечения безопасности. В распознавании лиц используется ИИ, требующий высокой скорости процессора. Это визуальный аналог наших программ распознавания звука AI.Внезапно наш анализ искусственного интеллекта, который занимал несколько минут на существующих планшетах, ноутбуках и более ранних смартфонах, упал до секунд!

Основная цель нашего приложения Bee Health Guru — позволить пчелам самим сообщать о состоянии здоровья каждой колонии. Запись звуков колонии осуществляется с помощью внутреннего микрофона смартфона или порта микрофона с тонким микрофоном. Наша программа Bee Health Guru AI немедленно и автоматически выполняет анализ звукозаписи.Наши алгоритмы определяют вероятность того, что колония выполняет одно из восьми условий. Затем на экране телефона появляется форма, которая предоставляет пользователю возможность визуально осмотреть колонию, чтобы подтвердить ее состояние, а затем сохранить отчет об осмотре. Эти три действия: (1) запись звуков колонии, (2) прогнозирование вероятности конкретных заболеваний и (3) отчет о результатах инспекции колонии, предоставляют данные, необходимые для точной настройки наших модулей ИИ и картирования возникновения различных проблем колоний.Последнее будет изначально основываться на отчетах о визуальных проверках и, в конечном итоге, должно основываться только на отчетах об анализе ИИ — проверка не требуется, поскольку точность приложения повышается.

Экран анализа

Запись гуру здоровья пчел занимает 30 секунд. Анализ моего телефона Android 8+ на все восемь факторов здоровья колонии занимает 12 секунд. Заполнение формы проверки занимает меньше минуты, но визуальный осмотр колонии занимает больше времени. Этот последний шаг, осмотр колонии, имеет решающее значение на ранних этапах использования приложения.Именно здесь пользователи приложений могут стать гражданскими учеными и внести свой вклад в нашу способность точно расшифровывать звуки колоний.

После записи и создания отчета об анализе приложением пользователя просят визуально осмотреть колонию, чтобы подтвердить или отклонить анализ звука, проведенный приложением. Щелчок по кнопке открывает простую раскрывающуюся форму проверки. Отчет заполняется на месте, для его завершения требуется всего несколько нажатий клавиш, а затем нажатие другой кнопки загружает отчет, а также любые заметки и фотографии в наш облачный архив данных.Приложение автоматически создает копию записи, отчет об анализе состояния колонии ИИ и добавляет дату, время и местоположение по GPS. Полученные в результате электронные записи имеют гарантии защиты конфиденциальности, конфиденциальности и безопасности данных пчеловодов (например, имена и местоположения улья или пасеки) и пациентов, пчел, которые могут быть больны (например, местоположения).

После того, как вся эта информация будет размещена в нашем облачном хранилище данных для записи, анализа и инспекции, мы сможем выполнить две задачи: (1) уточнение, переподготовка и обновление модулей ИИ для каждого анализа факторов здоровья и (2) ) Отображение тенденций в отношении здоровья колоний во времени и в географическом пространстве, чтобы поделиться ими с гражданскими учеными и всеми, кто интересуется здоровьем пчел.

Инспекционный экран

Здоровье пчел

Умный экран

Начальный экран появляется, как только пользователь нажимает значок пчелы, чтобы вызвать установленное приложение. Вставьте микрофон телефона в улей до прямой видимости или подключите внешний микрофон. Дайте пчелам немного осесть, затем коснитесь красной середины яблочка. Приложение запустится, запишет в течение 30 секунд (можно изменить на 60), запустит анализ AI и, в конце концов, отобразит отчет об анализе.Чем длиннее красная полоса коэффициента, тем выше вероятность возникновения проблемы. (Обратите внимание, мы попросили нашего разработчика приложения изменить слово «Нормальная» (т.е. нормальная колония) на «Аномальная» — люди не понимают, что красный цвет является предупреждением о проблеме. Предполагая, что пользователь затем переходит к проверке, чтобы отклонить или подтвердить каждый При анализе фактора анализа форма проверки раскрывается с несколькими вопросами. При нажатии на? для любого фактора появляется объяснение критериев. Затем приложение возвращается к началу (экран загрузки).Обратите внимание на Облако с числом в правом нижнем углу. Число — это количество записей / отчетов об анализе / отчетов об инспекциях, ожидающих загрузки. Вверху экрана отображается местоположение последней отсканированной колонии по GPS. В любой момент, когда сотовая или беспроводная связь доступна, нажатие на значок пчелы в нижней части экрана связывает пользователя с нашей веб-страницей www.beehealth.guru для получения дополнительной информации, сравнения заметок с другими пользователями и т. Д. Здесь находится наша North American Bee Справочник ассоциаций будет доступен (когда класс завершит свой проект), и именно там мы, вероятно, разместим обновления и карты здоровья пчелиных колоний.Для записи требуется всего несколько нажатий клавиш. Большая часть работы выполняется телефоном автоматически, такая как получение времени, даты, местоположения по GPS, идентификатора улья (если используется штрих-код — просто нажмите кнопку, чтобы использовать камеру, чтобы сделать снимок). Здесь не нужно вводить имя пользователя, тип телефона и т. Д. Наша общая цель — сделать это максимально простым в использовании — у людей липкие руки или перчатки — нужно свести количество нажатий кнопок к минимуму.

Уточнение приложения

В отличие от других систем акустического сканирования и мониторинга медоносных пчел (в основном из Европы), наши программы делают гораздо больше, чем просто ищут простые частотные маркеры общего шума колонии, и не полагаются на пользователя для интерпретации сонограмм.Наш индивидуальный ИИ оценивает широкий и сложный спектр звуков  Атрибуты интеллектуального экрана «Здоровье пчелы» гораздо быстрее и лучше, чем любой человек. Это стандартизирует анализ. Результаты сопоставимы от колонии к колонии без неточности или предвзятости наблюдателя, и никакого обучения наблюдателя не требуется.

Например, если приложение сообщает о высокой вероятности отсутствия в колонии матки-несушки, отчет о проверке должен либо подтвердить, либо опровергнуть результат анализа.Имея сотни или тысячи примеров, предоставленных пользователями нашего приложения, мы можем взять все записи, в которых приложение ошибалось, все записи, которые приложение сделало правильно, и повторно обучить ИИ. Мы знаем, что это итеративный процесс, который позволит улучшить и улучшить точность приложения.

Картирование тенденций в области здравоохранения

Как только информация о визуальном осмотре колоний будет защищена, можно будет легко произвести автоматическое обновление и размещение карт происшествий с помощью имеющегося в наличии интерактивного программного обеспечения для визуализации данных.Опубликованные карты обеспечат достаточное разрешение, чтобы идентифицировать, например, зону вспышки клещей Варроа, но не будут точно указывать фактическое местонахождение пораженных колоний.

Чтобы задействовать часть нашего приложения, связанную с картированием тенденций в состоянии здоровья, нам нужны пчеловоды со смартфонами, Android или iPhone, чтобы загрузить наше приложение, осмотреть колонии и своевременно публиковать отчеты на нашем облачном сайте. Наше приложение хранит все записи и отчеты на каждом телефоне до тех пор, пока отчеты не будут загружены. Сотовая связь во дворе не нужна.Очевидно, мы надеемся, что каждый пользователь также записывает звуки колоний, чтобы мы получали записи и результаты анализа искусственного интеллекта, но только отчеты об инспекции колоний можно использовать для создания карт здоровья пчел.

Часть нашего приложения, посвященная проверке и отчетности, сама по себе должна произвести революцию в области защиты здоровья пчел — ранние оповещения, основанные на визуальных проверках, как только отчеты загружены. Любой пчеловод со смартфоном в любой точке земного шара может отправлять отчеты о проблемах со здоровьем пчелиных семей по мере их обнаружения.Первоначально мы ограничили отчеты о состоянии здоровья восемью основными факторами, такими как клещи Варроа, гнилец, нозема, статус матки и другие аспекты общего состояния колонии.

Все это основано на относительно недавнем прогрессе в этологии (поведении) насекомых и пчел. Прекрасный обзор содержится в «Звуки насекомых и коммуникации» (Dropoulous и Claridge, 2006). Теперь мы знаем, что в дополнение к хорошо известному языку символических танцев пчелы также общаются с помощью звука, используя как вибрационные, так и звуковые сигналы.

Мы можем записывать эти сигналы, положив либо встроенный микрофон телефона, либо тонкий внешний микрофон на нижнюю панель улья. Наше открытие, оформленное в патентах на системы акустического мониторинга и регистрации, опубликованных в США и Канаде (Bromenshenk et al., 2015), заключалось в том, что мы можем декодировать сигналы, полученные пчелами, для определения воздействия на колонии опасных и токсичных химикатов, часто включая категорию химических веществ, а также различать различные состояния здоровья колонии и даже оценивать уровень заражения или заражения пчелиными болезнями и вредителями.Кроме того, репертуар пчелиного звука или песни намного сложнее, чем может восприниматься человеческим ухом, с частотами за пределами нашего слышимого диапазона и дополнительными компонентами, такими как амплитуда, импульсы, сдвиги и другие связанные сигналы, которые содержатся в воздушном звуковом и вибрационном спектре. .

Возникает вопрос: могут ли пчелы воспринимать эти звуки и вибрации, которые они производят? Долгое время считалось, что пчелы и многие другие насекомые не слышат звуки, исходящие от воздуха. Примерно в 1940 году Hansjochem Autrum и его коллеги продемонстрировали, что многие насекомые воспринимают мельчайшие вибрации субстрата и что у некоторых насекомых есть структуры, похожие на волосы, которые могут действовать как рецепторы скорости звука и звука в воздухе.Но только в 1990-х годах ученые обнаружили доказательства того, что мухи и пчелы, по-видимому, могут воспринимать звуки, передаваемые по воздуху, с помощью жгутика в органе усиков Джонстона.

Современные возможности записи, управления, воспроизведения и анализа акустических сигналов медоносных пчел и других насекомых сделали акустическое поведение передовой и активной областью этологии насекомых. Мы только сейчас начинаем понимать, что движения пчелиного танца — это лишь часть коммуникации пчелиной семьи.Коммуникационные процессы социальных пчел, координирующих работу сотен или тысяч особей в колонии, поразительно сложны. У нас есть средства доступа к коммуникациям колонии.

Зачем нужна точная настройка и калибровка? При использовании высокопроизводительных записывающих устройств и настольных компьютеров точность обнаружения восьми включенных факторов варьировалась от 86 до 98%, основываясь на более чем десятилетних наших собственных интенсивных исследованиях. Наши программы искусственного интеллекта учатся и совершенствуются, когда мы получаем реальные записи из колоний с определенными видимыми факторами здоровья.Теперь нам нужно знать, какие телефоны обеспечивают точную запись, а какие нет. Мы также узнали, что у пчел есть акцент. Новозеландские пчелы издают несколько иные звуки, чем североамериканские пчелы, а пчелы из Великобритании отличаются от американских или новозеландских.

Запущенный осенью 2017 года, мы ожидали, что на создание и бета-тестирование нашего приложения Bee Health Guru уйдет три месяца, на это ушло два года! Это не готовый продукт, но мы близки к финишу. Вот где нужно много пчеловодов и пчелиных семей.Этим летом мы и намерены сделать — откалибровать декодирование звукового и вибросигнала!

Этой весной (апрель) мы запустим наше приложение для всех на Kickstarter. Мы надеемся, что каждый пчеловод в мире, у которого есть смартфон, поддержит этот запуск, а затем скачает, использует наше приложение и загрузит результаты. Это может привести к созданию огромного набора данных. Чтобы правильно использовать этот богатый ресурс, нам нужно иметь готовую команду, готовую обработать исходные данные, переобучить ИИ и ввести региональное картирование здоровья пчел — для U.S., для Канады, для Европы, для Новой Зеландии, для Австралии — любой англоязычной нации. А затем нам нужно создать версии приложения на других языках, чтобы стать действительно глобальным.

Артикул:

Drosopoulos, S. and M.F. Кларидж. 2005. Звуки насекомых и общение: физиология, поведение, экология и эволюция. 32 главы. CRC Press, 553 с.
Bromenshenk et al. 2015. Пчелы как биосенсоры: хемосенсорные способности, системы мониторинга медоносных пчел и новые сенсорные технологии, порожденные синдромом опылителей.Biosensors 5 (4), 678-711; https: //doi.or/10.3390/bios5049678.

Кодификация универсального языка медоносных пчел — ScienceDaily

Два доцента и их команды расшифровали язык медоносных пчел таким образом, чтобы позволить другим ученым со всего мира интерпретировать чрезвычайно сложные и сложные коммуникации насекомых.

В статье, опубликованной в апрельском выпуске журнала Animal Behavior , исследователи представляют необычайный фундаментальный прогресс — универсальную калибровку, или для поклонников научной фантастики, «рыбу-вавилон», которая переводит коммуникации медоносных пчел между подвидами и ландшафтами. . Расшифровывая поучительные сообщения, закодированные в движениях насекомых, называемые танцами виляния, команды надеются лучше понять предпочтительные корма насекомых и расположение этих источников пищи.

Исследователи проанализировали танцы 85 помеченных пчел из трех ульев.

После поступления в Технологический институт Вирджинии в 2016 году пара попыталась определить, применима ли их система к А.mellifera ligustica, другой генетический подвид в Соединенных Штатах, и совершенно другой ландшафт. Руководствуясь эмпирическими знаниями и новой гипотезой, они также учли шум — то есть вариации танцев между пчелами, которые посещают одно и то же место, но передают эту информацию немного иначе, — чтобы улучшить предсказания модели.

«Для проведения такого рода исследований требуется много времени, усилий и средств, — сказал Кувийон. «Мы расшифровываем танцы вручную».

Их тщательный процесс калибровки требует, чтобы каждая пчела была пронумерована и записана на видео.Затем члены команды проводят месяцы перед компьютерами, анализируя движения каждого танцора, чтобы определить калибровку расстояния и продолжительности.

Для исследования в Вирджинии исследователи проанализировали танцы 85 помеченных пчел из трех ульев. Затем они сравнили свою систему с ранее опубликованной калибровкой.

«Хотя между популяциями существовали различия в том, как они общаются, это не имеет значения с точки зрения пчел», — сказал Шюрх. «Мы не можем отличить их друг от друга с точки зрения того, как они переводят эту информацию.Есть огромное перекрытие. Фактически, пчела из Англии поймет пчелу из Вирджинии и найдет источник пищи таким же образом с таким же успехом ».

границ | Автоматические методы долговременного отслеживания, обнаружения и декодирования коммуникационных танцев у пчел

Введение

Колония медоносных пчел — яркий пример сложной динамической системы (Seeley, 1995; Bonabeau et al., 1997). Он способен адаптироваться к множеству условий в постоянно меняющейся среде. Любопытно, что поведение колонии является продуктом бесчисленного множества взаимодействий многих тысяч особей, каждый из которых измеряет, оценивает и действует в основном по местным сигналам.Помимо механизмов, регулирующих индивидуальное поведение, поток (и, следовательно, обработка) информации в сети индивидов является решающим фактором для возникновения единодушного поведения колонии (Hölldobler and Wilson, 2009). Самый яркий пример социального взаимодействия пчел, танец виляния, интенсивно исследовался на протяжении последних семи десятилетий (Von Frisch, 1965; Seeley, 1995; Grüter and Farina, 2009), но некоторые важные вопросы до сих пор остаются без ответа.

Собиратели или разведчики роя, нашедшие полезный ресурс или новое место для гнезда, возвращаются в улей и совершают символические движения тела по поверхности сот или непосредственно на рое.Интересно то, что свойства танца коррелируют со свойствами ресурса в поле. Карл фон Фриш предположил, что пчелы, проявляющие большой интерес к танцу, могут расшифровывать информационное содержание и иметь высокую вероятность найти рекламируемый сайт (Von Frisch, 1965; Seeley, 1995; Riley et al., 2005). Танец покачивания состоит из двух частей: бега покачивания, в котором танцовщица трясет своим телом в стороны, продвигаясь вперед по поверхности гребня; и возвратный пробег, в котором танцор делает круг назад, чтобы начать новый пробег из своего предыдущего примерного места старта (Von Frisch, 1965; Landgraf et al., 2011). Возвратные проходы попеременно выполняются по часовой стрелке и против часовой стрелки, последовательные колебательные движения показывают угловую разницу, обратно пропорциональную целевому расстоянию (Von Frisch, 1965; Weidenmüller and Seeley, 1999; Tanner and Visscher, 2010; Landgraf et al., 2011). Расстояние от улья до места кормления или гнезда закодировано в продолжительности покачивания танцора; направление от улья к ресурсу кодируется углом тела в фазе покачивания относительно вертикали (Von Frisch, 1965).Качество ресурса отражается в абсолютном количестве повторений виляния и обратно пропорционально продолжительности возврата: рекламируются прибыльные ресурсы с более длинным танцором, демонстрирующим более высокую производительность виляния (Seeley et al., 2000). Заинтересованные пчелы (последователи танцев) отслеживают движения, расшифровывают соответствующую информацию и ищут ресурсы в поле (Seeley, 1995; Biesmeijer and Seeley, 2005; Riley et al., 2005; Menzel et al., 2011; Al Toufailia et al. ., 2013а).Успешные искатели могут сами вернуться в улей и танцевать, что приведет к каскаду вербовки. Положительная обратная связь в танце виляния может регулироваться механизмом отрицательной обратной связи, стоп-сигналом. Собиратели, разведчики гнезд или пчелы-последователи бьют головой о тело танцора в сочетании с короткой вспышкой вибрации грудной клетки. Танцоры виляния с большей вероятностью прекратят танцевать после получения сигнала остановки, как это наблюдалось в контексте роения (Seeley et al., 2012) и поиск пищи (Nieh, 1993, 2010; Kirchner, 1994; Pastor and Seeley, 2005). Таким образом, система сигналов «танец / остановка» является прекрасным примером того, как взаимодействие нескольких индивидуумов, например, между танцорами и последователями танцев, может приводить к коллективному поведению, такому как адаптивная эксплуатация динамической доступности ресурсов на уровне колонии (Seeley et al. др., 1991; Сили, 2010).

Однако даже эта хорошо изученная система связи оставляет достаточно места для дальнейших исследований. Если, например, два человека встречаются как танцор и сопровождающий, все еще неизвестно, какие факторы определяют это событие.Как пчела может стать последователем танца? Разумеется, для последователя должны быть соблюдены некоторые общие требования, такие как соответствующее мотивационное состояние. Но это конкретное животное может не следовать другим танцам до основного. Увеличивает ли случайное посещение танцев (Bozic and Valentincic, 1991) ее вероятность следовать за любым танцем ? Или мы можем определить предпочтения в отношении определенных танцевальных мест на гребне, танцевальных свойств или даже личности танцора? Как танцор и последователь находят друг друга ? Ищут ли танцоры последователей или наоборот? Определяет ли история взаимодействий последователя в улье будущие решения следовать определенным танцам, и если да, то как далеко в прошлом конкретный опыт может повлиять на это решение?

За десятилетия, прошедшие с момента открытия танца виляния (Von Frisch, 1965), большая часть анализа танца виляния была перенесена из сбора данных танца в реальном времени (Visscher, 1982; Waddington et al., 1994; Steffan-Dewenter and Kuhn, 2003) к тому, что происходит постфактум из видео, с использованием ручного (например, Beekman and Ratnieks, 2000), полуавтоматического (например, De Marco et al., 2008) или автоматического метода (например, , Landgraf et al., 2011) для извлечения фокальных свойств. Это позволяет анализировать множество людей одновременно, воспроизводя видео так часто, как это необходимо, и улучшает пространственное и временное разрешение данных. Однако, как и большинство видеоанализа, он ограничен либо техническими параметрами (дисковое пространство, временное и пространственное разрешение записи), либо доступным персоналом для анализа видео с целью извлечения данных: часто анализ занимает кратную продолжительность видео в реальном времени. .

Танцовщица и сообщение, которое она передает, были тщательно исследованы (Von Frisch, 1965; Seeley, 1995, 2010). Однако танец не самодостаточен. Скорее всего, он встроен в сеть, потенциально еще неизвестную, взаимодействий. Предыдущий опыт играет важную роль в привлечении последователя к определенным танцам (Grüter et al., 2008; Grüter and Ratnieks, 2011; Al Toufailia et al., 2013b) или, после исполнения танца, в ее склонности пытаться найти место рекламируемого сайта.Этот опыт может также включать взаимодействие в улье. Поскольку эти воспоминания могут накапливаться в течение многих дней, нам необходимо наблюдать за людьми в течение длительного периода времени, вплоть до нескольких недель. Вместо того, чтобы начинать запись при возникновении танца виляния, нам нужно отследить любого заданного последователя назад во времени . Оптимально, мы хотели бы снимать всю ее жизнь.

Однако это возможно только при соответствующей автоматизации для иерархии задач, таких как получение и хранение изображений, идентификация и отслеживание животных, а также распознавание очагового поведения.В целом это представляет собой серьезную техническую проблему. В частности, автоматическое распознавание типов взаимодействия кажется невозможным, поскольку некоторые виды поведения связаны с тонкими движениями тела, которые трудно обнаружить системам машинного зрения. Однако некоторые типы взаимодействия, такие как танец виляния, следование танцу и обмен едой, обладают свойствами, которые кажутся достаточно различимыми, чтобы их характеристики можно было сформулировать в соответствующем алгоритме обнаружения. Такая автоматизация предоставит наборы данных беспрецедентного размера по продолжительности сбора данных, количеству отслеживаемых лиц и полосе пропускания обнаруживаемого поведения.Это позволит провести глубокий и всесторонний анализ взаимодействия индивидуального поведения и поведения колонии.

Компьютерные программы все чаще используются для помощи в аннотировании или измерении параметров поведения животных в видеоданных (Noldus et al., 2001; Pérez-Escudero et al., 2014). Было предложено несколько автоматических процедур для отслеживания немаркированных пчел (Landgraf and Rojas, 2007; Kimura et al., 2011, 2014), но ни одна из них не применима для долгосрочного отслеживания из-за высокой степени неоднозначности внешнего вида немаркированных пчел. , частые окклюзии и свойство собирателей покидать улей.Насколько нам известно, программное обеспечение для отслеживания и идентификации пчел с уникальной меткой еще не предложено. В Лозанне была разработана только одна система на основе маркеров (Mersch et al., 2013) для использования с несколькими сотнями муравьев, которые содержались на открытой арене. Идентификационные метки, использованные в этих экспериментах, были прямоугольными и плоскими. Неизвестно, можно ли использовать эту систему с пчелами. Предполагается, что в живом улье метки должны плотно приспосабливаться к круглой грудной клетке, чтобы обеспечить их устойчивое удержание в течение нескольких недель.

Автоматическое обнаружение танцев медоносных пчел было предложено ранее (Kimura et al., 2011). Однако, как сообщается, анализ выполняется в 360 раз медленнее, чем в режиме реального времени, и не может выявить личность танцора. Насколько нам известно, не существует системы для непрерывного долгосрочного отслеживания однозначно идентифицируемых пчел и автоматического распознавания танца виляния, следования танцу и трофалаксиса.

В этой статье мы предлагаем такую систему, в дальнейшем называемую системой BeesBook .Он включает в себя автоматическую запись и хранение изображений с высоким разрешением, онлайн-программное обеспечение для обнаружения танца виляния, программное обеспечение компьютерного зрения для распознавания и идентификации пчел с уникальной меткой и программное обеспечение для постобработки для различных задач, таких как распознавание пчел-преследователей и трофалаксис. Система задумана как бюджетная структура для поэтапной разработки программного обеспечения и аппаратных компонентов. Таким образом, систему BeesBook можно использовать для выявления других основных форм поведения в исследованиях, не связанных с танцами.Документ состоит из двух частей: подробное техническое описание системы и экспериментальная проверка, включая количественную оценку показателей производительности компонентов системы. В заключение мы обсудим текущие и будущие возможности системы и приведем примеры дальнейших приложений в рамках и за пределами общения в стиле танца виляния.

Beesbook: Отслеживание всех пчел в улье

Установка улья и записи

Используется модифицированный однокамерный улей для наблюдения за пчелами с нестандартным механизмом замены стекла.Пчелы часто смазывают стекло небольшими порциями меда, воска и прополиса, что ухудшает качество изображения. Изготовленный на заказ улей позволяет при необходимости заменять стекло, не открывая его. Улей стоит на алюминиевом каркасе, на котором установлены инфракрасные светодиодные кластерные лампы и шесть камер (показано на рисунке 1). Весь каркас окружен фольгой ИК-отражателя с небольшими рельефами для рассеивания света. Фольга отражает 80% инфракрасного света и помогает создать однородное окружающее освещение, которое уменьшает отражения на стеклянной панели или ярлыках.

Рисунок 1. (A) Экспериментальная установка: (I) наблюдательный улей, (II) инфракрасные лампы, (III) правая сторона камеры наблюдения, (IV) левая сторона камеры наблюдения, (V) правая камера. множество. (B) Детальный вид массива камер: (VI) камеры высокого разрешения, (VII) веб-камера PS3Eye.

Индивидуальные теги с блочным кодом («Circulatrix»)

Чтобы оптимально использовать пространство на грудной клетке пчелы и создать гладкую поверхность, выдерживающую тяжелые нагрузки, мы разработали круглую изогнутую бирку (рис. 2).Тег адаптируется к грудной клетке и отображает кольцо, разделенное на 12 сегментов, каждый из которых содержит один бит информации. Центр тега разделен на два полукруглых сегмента, которые используются для определения ориентации тега и правильного выравнивания декодера. Полностью функционирующий наблюдательный улей в форме матки может вместить около 2000 рабочих пчел. Двенадцати бит информации достаточно, чтобы кодировать личность максимум 4096 животных. В случае использования меньшего количества животных можно использовать схему кодирования, которая позволяет обнаруживать или исправлять ошибки.Если, например, один резервный бит является запасным, его можно использовать как бит четности. Если три или более бит являются запасными, может использоваться кодирование Хаффмана (Huffman, 1952). Бирки печатаются на полиэфирной пленке с задней подсветкой в коммерческой типографии и перфорируются вручную. Эта процедура сгибает бирки для оптимального прилегания к грудной клетке пчел.

Рисунок 2. (A) Дизайн круглой матрицы показывает 15 областей, используемых для представления уникального двоичного кода (ячейки 0–11), для кодирования ориентации метки (ячейки 12 и 13) и создания четкого контраста с грудной клеткой пчелы. (кольцо 14). (B) Меченые пчелы внутри улья.

Процедура маркировки пчел

Пчелы помечаются перед началом видеозаписи с помощью сотрудников в течение нескольких часов. Мы используем два улья: один стандартный наблюдательный улей, содержащий немаркированную колонию, и один модифицированный наблюдательный улей, в который переносятся особи после того, как они были помечены. Мы извлекаем примерно 50 пчел из исходного улья за один раз в трубчатый контейнер с помощью пылесоса и распределяем отдельных пчел среди персонала, занимающегося маркировкой.Сначала с грудной клетки удаляют волосы, затем на них наносят шеллак и, наконец, прикрепляют бирку так, чтобы белый полукруг повернулся кпереди. Помеченных пчел помещают в небольшой контейнер. После того, как все пчелы этой партии были помечены, пчелы выливаются во входное отверстие улья (которое теперь соединяется с новым ульем). Эта процедура повторяется со всеми оставшимися непомеченными пчелами из исходного улья. С королевой поступают иначе. После пометки ее вводят в улей через отдельный вход.Теги были протестированы ранее. Почти все пчелы выдерживают процедуру мечения и нормально ведут себя с метками. Лишь небольшая часть (<7%) меток стирается до того, как животные достигают своей естественной продолжительности жизни (6–7 недель). К моменту написания этой статьи, по прошествии более 8 месяцев, бирка королевы все еще была прикреплена должным образом.

Камеры и модификации камер

Четыре камеры высокого разрешения (PointGrey Flea3) используются для наблюдения за поверхностью гребня, по две с каждой стороны.Они оснащены цветным CMOS-сенсором 1 / 2,5 дюйма с разрешением 12 мегапикселей (4000 × 3000 пикселей) и подключаются к центральному записывающему компьютеру через USB3. Мы используем недорогие линзы диаметром 12 мм (RICOH FL-CC1214A-2M). Две дополнительные камеры (веб-камеры PS3Eye) подключены ко второму персональному компьютеру. Каждая из этих камер наблюдает за всей стороной гребенки с разрешением 320 × 240 пикселей. Камеры PS3Eye недорого стоят (10 долларов) и доставляют несжатые изображения со скоростью 120 кадров в секунду с использованием модифицированного стороннего драйвера («CL Eye»).Оба типа камер поставляются со стеклянным фильтром, блокирующим инфракрасное излучение. Мы заменили зеркало Flea3 на зеркало холодного света с тем же показателем преломления (bk Interferenzoptik bk-HT-45-B). Эта модификация делает Flea3 недорогой альтернативой аналогичным ИК-чувствительным камерам. Чтобы оптимизировать производительность PS3Eye, был удален не только блокирующий ИК-фильтр, но и исходный объектив был заменен на 8-миллиметровый мегапиксельный объектив с ИК-коррекцией (Lensagon BM8018), чтобы новый объектив подходил к камере в индивидуальном 3D-режиме. было изготовлено печатное крепление для объектива.

Программное обеспечение

Реализованные функции системы BeesBook разделены на три пакета программного обеспечения, которые отражают экспериментальную хронологию: (I) сбор данных с онлайн-детектированием танцев, (II) автономная обработка изображений на суперкомпьютере и (III) постобработка данных.

Сбор данных и иерархия данных

Один персональный компьютер (ПК ₁) используется для получения и передачи изображений. Другой компьютер (ПК ₂) выполняет онлайн-алгоритм обнаружения танцев.Компьютер для сбора данных запрашивает 3,5 кадра в секунду с каждой камеры высокого разрешения и сохраняет каждое изображение с использованием сжатия JPEG (качество 95%). Вторая программа на ПК ₁ объединяет изображения в пакеты размером 512 МБ (256 изображений на архив) и передает их в Берлинский институт Цузе (ZIB), где HLRN (Северо-немецкий суперкомпьютерный альянс) предоставляет достаточно места для хранения. Подмножество данных, в настоящее время 6 полос продолжительностью 10 минут (распределенных в течение дня), хранится на локальном запоминающем устройстве (QNAP NAS).ПК ₂ анализирует изображения веб-камер PS3Eye в режиме реального времени и сохраняет координаты кадра и области изображения 20 × 20 пикселей для каждого обнаруженного пробега. Эти данные полностью отображаются на NAS. Метод обнаружения описан в разделе «Автоматическое обнаружение и декодирование танца покачивания». Возможные ошибки любой из вышеперечисленных программ экспортируются в файл журнала и сообщаются администратору по электронной почте. В случае сбоя или зависания программы (что делает ее неспособной самостоятельно сообщать об ошибках) используются так называемые сторожевые программы для автоматического распознавания критических событий и завершения неотвечающих процессов.Эти события случаются редко, но могут привести к значительной потере данных.

Мы организуем все данные в иерархию уровней данных. Записи необработанных изображений представляют собой самый низкий, самый фундаментальный уровень. Программное обеспечение компьютерного зрения выполняет поиск и декодирование тегов циркуляционной матрицы в этих записях изображений (см. Раздел «Анализ изображений») и создает следующий уровень данных — обнаружение пчел. Эти данные, в свою очередь, служат входными данными для программного обеспечения отслеживания, которое идентифицирует соответствующие обнаружения во времени (см. Раздел «Отслеживание» и «Фильтр временных идентификаторов»).Затем уровень траектории анализируется в первую очередь с помощью алгоритмов распознавания поведения, которые создают самый верхний уровень данных, представляющий фокусное поведение. За исключением уровня необработанного изображения, все остальные уровни данных эффективно организованы в пространственной базе данных (см. Раздел «Проектирование базы данных»).

Анализ изображений

Мы разработали алгоритмы компьютерного зрения для определения местоположения и декодирования тегов ciratrix в изображениях высокого разрешения. Программное обеспечение для обработки изображений, далее называемое «конвейером», состоит из пяти уровней, каждый из которых обрабатывает результаты предыдущего.

(1) Препроцессор: Первый уровень обрабатывает исходный кадр камеры. На протяжении всего эксперимента были оптимизированы условия освещения. Для нормализации яркости более темных записей, снятых в начале эксперимента, применяется выравнивание гистограммы. На некоторых участках гребня видны пустые ячейки, острые края которых могут ухудшить работу последующих этапов. Мы разработали фильтр пространственной частоты для ослабления краев ячеек гребенки. Полные ячейки меда очень яркие на изображении и также приводят к ложным срабатываниям на следующем этапе.Специальная эвристика изображений распознает участки медовых клеток, которые затем игнорируются.

(2) Локализация тега: Этот слой обнаруживает области изображения, которые содержат сильные края и, следовательно, вероятно, имеют теги циркуляционной матрицы. Они идентифицируются путем обнаружения множества сильных краев в непосредственной близости. Это определение применяется и к другим объектам изображения, но резко уменьшает количество пикселей, которые попадают в последующие стадии. Первоначально первая производная изображения вычисляется с использованием фильтра Собеля.Результат преобразуется в двоичную форму (сохраняются только пиксели на сильных краях), размывается и расширяется (Серра, 1986) для удаления шума и соединения соседних участков. Большие двоичные пятна сообщаются как области, представляющие интерес для следующего слоя.

(3) Подгонка эллипса: Этот слой определяет эллиптические контуры в интересующих областях. Мы используем вероятностное преобразование Хафа (Xie and Ji, 2002), чтобы найти вероятные конфигурации эллипса, определяемые большим количеством краевых пикселей, согласующихся с уравнением эллипса для диапазона вероятных значений параметров (мы исключаем сильно повернутые теги, поскольку они, вероятно, будут декодировано неправильно).

(4) Подгонка к сетке: Для каждого обнаруженного эллипса этот слой подгоняет трехмерную модель («Сетка») тега ciratrix к нижележащему изображению. При вращении в пространстве контур круглой метки становится эллипсом на изображении камеры. Есть два возможных трехмерных поворота кругового контура, которые проецируются на заданный эллипс на изображении. Мы идентифицируем два набора параметров вращения из параметров эллипса и применяем градиентный подъем из двух начальных конфигураций.Качество подгонки выражается оценочной функцией, которая оценивает а) однородность яркости пикселей в каждой ячейке (Фишер, 1936) и б) соответствие внешнего контура сетки краям изображения. На уровень декодера передаются данные о трех наилучших конфигурациях сети.

(5) Декодирование: Каждый кольцевой сегмент сетки представляет собой «0» (черный) или «1» (белый). Последовательность нулей и единиц составляет уникальный идентификатор пчелы. Локальное усиление контраста применяется для учета градиентов интенсивности света на круговой матрице.Декодер вычисляет статистику яркости всех нижележащих пикселей для каждого сегмента кольца, чтобы отнести ячейки к любому из двух классов, и сообщает число в качестве окончательного результата.

Каждый уровень конвейера обработки изображений извлекает больше информации из первоначального обнаружения (см. Рисунок 3). Для каждого слоя конвейера вычисляется значение достоверности. Только если значение достоверности текущего уровня превышает определенный порог надежности, его результат передается на следующий этап.В слое 3, например, это значение достоверности соответствует количеству краевых пикселей, которые соответствуют уравнению эллипса. Предполагается, что эллипсы, обнаруженные на уровне 3, идентифицируют тег, и поэтому сообщаются как самая основная часть любого обнаружения. На уровне 4, если более одной сетки можно сопоставить с изображением с достаточным значением достоверности, соответствующая конфигурация сетки (центральная координата, масштаб и три угла поворота) добавляется в список, и три лучшие конфигурации передаются следующему слой.Точно так же последний уровень сообщает до трех идентификаторов для каждой конфигурации сетки, что дает до 9 различных конфигураций вывода.

Рисунок 3. Промежуточные этапы обработки для обнаружения и декодирования тегов . (A) Выравнивание гистограммы и обнаружение края Собеля. (B) Бинаризация краев и морфологические операции в слое локализатора. На следующем слое обрабатываются только интересующие области (отмеченные синим прямоугольником). (C) Подгонка эллипса с использованием вероятностного преобразования Хафа. (D) Модель 3D-сетки и подгонка к нижележащему изображению. (E) Результат: последовательность нулей и единиц определяется на уровне декодера на основе соответствия модели тега. Для подмножества данных изображения мы создали эталонную «наземную истину», которая используется для проверки выходных данных конвейера.

Конвейер имеет различные параметры, такие как пороги для обнаружения края или количество итераций морфологических операций (всего 48 параметров). Определение оптимальной комбинации параметров вручную может занять очень много времени и может привести к неоптимальной производительности.Мы используем библиотеку глобальной оптимизации (Martinez-Cantin, 2014) для автоматического выбора наилучшего набора параметров.

Высокопараллельный анализ изображений на суперкомпьютере

Прототип сбора данных за 60 дней даст в общей сложности четыре камеры 3,5 / с · 60 с / мин · 60 мин / ч · 24 ч / сутки · 60 дней = 72,576,000 изображений. Обработка изображений на суперкомпьютере сокращает необработанные данные изображения (~ 170 терабайт), соответствующие самому низкому уровню данных, до нескольких сотен гигабайт данных второго уровня.Если на анализ одного изображения уйдет 1 секунда, то полный анализ займет почти 3 года. Чтобы ускорить этот процесс, мы используем вычислительные ресурсы и ресурсы хранения, предоставленные Северо-германским суперкомпьютерным альянсом (HLRN). Данные изображения хранятся в файловой системе суперкомпьютера, что позволяет избежать дополнительной передачи данных. В HLRN находится суперкомпьютер Cray XC30, который включает 1872 вычислительных узла с 24 ядрами ЦП каждый (всего 44928 процессоров). В системе 117 ТиБ ОЗУ и 4 ТиБ.2 Петабайта места на жестком диске, организованного как RAID 6. Анализ образа разбивается на задания, каждое из которых выполняется для одного образа за раз. Степень параллелизма может варьироваться от нескольких сотен до нескольких тысяч заданий, что определяется планировщиком Cray (программа, которая автоматически выбирает задания из списка готовых заданий). Некоторые компоненты суперкомпьютера все еще находятся в разработке и могут помешать произвольной работе завершить анализ. Поскольку невозможно вручную проверить, записаны ли на диск 72 миллиона файлов результатов, мы внедрили систему восстановления, которая автоматически обнаруживает и восстанавливает после сбоев на этапе отправки и выполнения задания.Результаты процесса декодирования сохраняются в файле .csv для каждого изображения.

Постобработка

Анализ изображения — это этап обработки данных, который создает базовый уровень данных для всех дальнейших анализов. Алгоритм отслеживания (Отслеживание разделов и Фильтр временных идентификаторов) создает уровень данных траектории, который связывает обнаружения во времени. Оба уровня данных используются для обнаружения фокального поведения (танец, следование танцу и обнаружение трофалаксиса, см. Раздел «Идентификация танцоров, последователей и трофалаксис»).

Дизайн базы данных

По соображениям производительности все шаги постобработки предназначены для запроса данных из специализированной базы данных. Наборы данных обнаружения, созданные конвейером, загружаются в базу данных PostgreSQL, которая содержит всю доступную информацию, как описано в разделе Постобработка. Обнаружения организованы в виде таблицы, каждая строка которой представляет обнаружение. Мы записали 65 миллионов изображений, каждое из которых содержит до нескольких сотен тегов. Следовательно, необходимо хранить несколько миллиардов обнаружений.Мы реализовали интерфейсные функции в базе данных, чтобы ускорить взаимодействие с данными. Если, например, мы хотим узнать всех соседних пчел фокальной пчелы, этот запрос оптимизируется на уровне базы данных. Данные должны быть обработаны перед загрузкой в базу данных. К этому времени процесс обработки и загрузки данных занимает примерно 90% продолжительности периода записи, но выполняется параллельно с обработкой изображения. Описанный ниже анализ запрашивает данные из базы данных, обрабатывает их на локальных компьютерах и обогащает отдельные записи в базе данных дополнительной информацией, такой как исправленные идентификаторы, ассоциации с траекториями или метки поведения.

Отслеживание и фильтр временной идентификации

Отслеживание людей с помощью последовательных кадров является важной процедурой, поскольку она создает траектории движения, которые могут потребоваться для анализа поведения. В оптимальных условиях отслеживать человека и генерировать его путь так же просто, как подключать последовательные обнаружения одного и того же идентификатора. Однако уровень декодера может извлекать ошибочные идентификаторы по разным причинам (см. Обсуждение). В этом случае простое соединение последовательных появлений одного и того же идентификатора приведет к ошибочным трекам.Чтобы решить эту проблему, мы разработали программное обеспечение для отслеживания, которое связывает последовательные обнаружения во времени, выбирая наилучшее совпадение из ряда возможных обнаружений. Процесс отслеживания преследует две цели: создание надежных траекторий движения отдельных людей и исправление неверно считанных идентификаторов.

Наше решение этой проблемы — вероятностный подход. Для произвольного трека T , содержащего последовательные обнаружения до момента времени t, мы поддерживаем распределение вероятностей P _t, отражающее все предыдущие измерения ID.Все обнаружения в кадре t + 1 в определенном диапазоне оцениваются по критерию, который включает:

• Евклидово расстояние от последнего обнаружения трека до обнаружения кандидата

• мера расстояния P _t и предполагаемый ID следующего обнаружения

• критерий сходимости для P _t

• оценка ошибки обработки изображения, представляющая вероятность неверно прочитанных битов в идентификаторе

Информация, содержащаяся в обнаружении нового кандидата, интегрируется в распределение вероятностей P _t через марковский процесс: P _{t +1} = P _t * p , где p — это распределение вероятностей, оцененное на основе обнаружения в момент времени t + 1 .Вероятность неправильного чтения бита зависит от соседних битов. Например, из-за размытия изображения один белый бит с большей вероятностью будет считаться черным, если он заключен между двумя черными битами. Мы оценили вероятность всех возможных ошибок для всех комбинаций трех последовательных битов (используя отслеживаемую вручную наземную истину). После интегрирования априорной информации p, P _t представляет текущую вероятность того, что каждый бит имеет определенное значение.Значение сходимости можно вычислить для P _t, чтобы выразить нашу уверенность в текущей оценке ID. На временном шаге t + 1 мы назначаем каждое обнаружение наиболее вероятному пути T _j, используя схему жадного выбора (решение назначить обнаружение пути является неизменным, даже если будущая информация отображает его. неоптимально). Если совпадение для одного обнаружения не может быть найдено с достаточной уверенностью, инициализируется новый путь с новым распределением вероятностей.

Отслеживание должно обрабатывать два проблемных сценария. (1) Новые обнаружения и (2) исчезающие обнаружения.

В первом случае история обнаружений не может использоваться для определения наиболее вероятного идентификатора. Распределение вероятностей еще не сходилось (см. Рис. 4 вверху). Если трек не может быть достаточно удлинен, он остается анонимным.

Рисунок 4. Распределение P _t представляет вероятность того, что каждый отдельный бит будет иметь значение «1».”Вверху: Одно наблюдение дает распределение со значительной неопределенностью (подробности см. В тексте). Правильный идентификатор нижележащего изображения (000000000101). Однако наиболее вероятным идентификатором согласно начальному распределению является (000101000100), то есть первое наблюдение показывает три неправильных бита. Внизу: После пяти наблюдений распределение в основном сошлось, и истинный идентификатор может быть извлечен с высокой степенью уверенности.

Жадное назначение всех обнаружений пути может быть гарантировано правильным только в том случае, если все обнаружения не пропущены.В этом случае трекер может ошибочно назначить обнаружение рядом с фактическим тегом. Это проблематично для быстро движущихся пчел, поскольку размытость движения увеличивает вероятность пропуска обнаружения (см. Обсуждение). Если нам не удалось найти вероятное совпадение, мы добавляем в путь обнаружения заполнителей. После превышения определенного количества последовательных обнаружений заполнителей последовательность путей завершается (добавление дополнительных обнаружений невозможно).

Идентификация танцоров, последователей и трофалаксис

Из-за размытия движения и низкой частоты дискретизации идентификаторы танцующих пчел трудно определить по данным изображения с высоким разрешением.Поэтому мы используем алгоритм автоматического обнаружения танца виляния, который работает параллельно с получением изображения, определяя местоположение танцора в режиме реального времени (подробности см. В разделе «Автоматическое обнаружение и декодирование танца виляния»). Однако из-за низкого разрешения датчика невозможно извлечь идентификатор пчелы в этих записях. Другой этап постобработки выполняется для нахождения идентификаторов соответствующих танцоров в ранее описанном наборе данных с высоким разрешением. Помимо виляния, танцор демонстрирует другие особенности, которые в сочетании с данными обнаружения танца мы можем использовать для ее идентификации с высокой точностью.Сначала танцоры попеременно выполняют виляние и возвратные пробежки. В наборе данных, скорее всего, не будет только первого. Этот паттерн «включено-выключено» отражается на траекториях. Мы ищем эти закономерности и количественно оцениваем их периодичность и регулярность (все возвратные и колебательные пробеги должны иметь одинаковую длину, соответственно). Во-вторых, в начальной и конечной позициях покачивания часто отображаются читаемые теги. Обнаружение танца приводит к определению местоположения на гребне, угла танца и продолжительности, которые — вместе со средним движением вперед в фазе покачивания — определяют ось, по которой танцоры выравниваются.Если обнаружения, близкие к начальной и конечной точкам пробега, совпадают по ориентации и идентификатору, они собираются в набор кандидатов. Третья особенность, которую мы проверяем, — это поворот животного почти на 360 ° при обратном беге. Для одного пробега может быть несколько обнаружений, которые достаточно демонстрируют эти особенности. В течение многих прогонов можно с высокой точностью определить ID танцора. Последователей найти легче. Критерии, которым должны удовлетворять животные, — это (1) близость к танцору и (2) ориентация тела в сторону танцующей позиции.Также можно распознать животных, которые участвуют в трофалаксисе. Таким образом, выполняется поиск и сообщение о четырех последовательных обнаружениях неподвижности в конфигурации «голова к голове».

Автоматическое обнаружение и декодирование танца виляния

Покачивание создает размытость при движении в записях с высоким разрешением, но может быть обнаружено в высокоскоростном видео. Танцовщица раскачивает тело в стороны с частотой около 13 Гц. Пиксель на изображении соответствует небольшому участку на поверхности гребня. Если это точечное измерение с течением времени пересекается с танцующей пчелой, мы получаем образцы, которые отражают ее текстуру поверхности и динамику движения вместе взятые.Поскольку пчелы контрастируют с фоном, мы наблюдаем изменения яркости со спектральными компонентами либо частоты виляния, либо гармоник. По сути, наш автоматический детектор танца покачивания оценивает, насколько хорошо для данной координаты пикселя временное изменение его яркости соответствует этой «частоте покачивания». Камера наблюдает полную гребенку с разрешением изображения 320х240 пикселей. Это соответствует разрешению ~ 1 мм / пиксель или примерно 60 пикселей / пчелу (рис. 5). Для каждого из местоположений 320 × 240 = 76800 пикселей самые последние 32 значения их временной эволюции сохраняются в кольцевом буфере.При поступлении нового кадра самое старое значение пикселя перезаписывается. Затем мы вычисляем статистическую меру того, насколько хорошо эволюция яркости пикселей соответствует частоте покачивания, коррелируя входной сигнал с рядом косинусных и синусоидальных сигналов с разными целевыми частотами. Затем на втором этапе соседние местоположения, демонстрирующие это свойство, группируются. Если обнаружение продолжается с течением времени, местоположение изображения и соответствующие фрагменты изображения (последовательность изображений размером 20 × 20 пикселей) сохраняются на диске.Также возможно извлекать длительность виляния и ориентацию виляния. Первый определяется продолжительностью последовательных обнаружений; ориентация определяется первым главным компонентом (Hotelling, 1933) местоположений изображений всех последовательных обнаружений. Программное обеспечение можно использовать либо вместе с системой отслеживания с высоким разрешением, либо как автономный инструмент для анонимного обнаружения и декодирования танцев. Координаты изображения, сообщаемые программой, могут быть автоматически исправлены с помощью определенной пользователем области, размеры которой известны.Мы описываем процедуру оценки для этой системы в разделе «Набор данных 2: Обнаружение и декодирование танцев» и сообщаем соответствующие результаты в разделе «Обнаружение и декодирование танцев».

Рис. 5. Скриншот потока камеры обнаружения покачивания. (A) Зеленый прямоугольник ограничивает границы гребня. Обратите внимание на низкое разрешение изображения. Обнаружение танца виляния сообщается с их координатами изображения и кадра гребенки, а также суб-изображением (B) размером 20 × 20 пикселей (показано справа).

Экспериментальная проверка и результаты

Наборы данных

Две отдельные колонии медоносных пчел были использованы для экспериментальной проверки функции описанной системы и компонентов системы. Таким образом, было записано два набора данных.

Набор данных 1: Обнаружение и декодирование тегов

Мы постоянно регистрировали всех животных небольшой колонии (<2000 помеченных особей) с 24 июля по 25 сентября 2014 г. (63 полных дня). Большинство пчел были помечены за 1 день до начала записи.В течение первой недели молодых пчел метили и вводили в экспериментальный улей в тот день, когда они выходили из отдельного инкубируемого расплода, содержащегося в стандартных условиях при 34,5 ° C (Crailsheim et al., 2013). Изображения высокого разрешения были перенесены в удаленное хранилище. Одна из четырех камер вышла из строя за день до экспериментов. К сожалению, на замену камеры у производителя ушло 3 недели. Таким образом, невозможно наблюдать четверть гребенки и около шести миллионов изображений отсутствуют из ожидаемого числа 72 миллионов.В начале эксперимента мы оптимизировали такие параметры, как освещение, положение камеры и углы обзора камеры. Никаких данных не было записано в период обслуживания (~ 4 миллиона изображений). Всего было записано 65 миллионов изображений. Примерно 6% всех данных было отражено локально. В течение всего периода программа обнаружения танцев наблюдала за обеими сторонами гребенки и сохраняла детекции на диск. Эти данные также были отражены. Результаты анализа набора данных 1 представлены в разделе «Обнаружение и декодирование тегов».Проверка этого набора данных охватывает разные уровни данных. Анализ изображений распознает и декодирует теги ciratrix и сохраняет отдельные обнаружения для каждого временного шага. Чтобы проверить этот программный компонент, мы вручную поместили трехмерную модель тега в ряд записей изображений, которые мы случайным образом выбрали из набора данных 1. Эта «основная истина» служит ориентиром (для определения местоположения, ориентации и идентичности). Каждый программный уровень (см. Раздел «Анализ изображений») проверяется отдельно путем расчета двух общих показателей производительности: отзыва и точности.Они отражают долю справочных данных, которые были правильно идентифицированы, и долю зарегистрированных обнаружений, которые являются правильными, соответственно. Программное обеспечение слежения, то есть компонент, который связывает соответствующие обнаружения во времени, проверяется на другой наземной контрольной точке. Пятьдесят животных отслеживали вручную с помощью специального программного обеспечения, выбирая правильное обнаружение (производимое конвейером) с помощью указателя мыши. При проверочном анализе исследуется правильность пути и идентификатора, полученного в результате последовательных измерений с течением времени.

Набор данных 2: Обнаружение и декодирование танцев

Второй наблюдательный улей (две рамки, расположенные по адресу 52.457075, 13.296055) использовался для обнаружения и декодирования танцев в немаркированной колонии. Период записи составил 57 дней (с 4 июля по 1 сентября 2014 г.). Мы использовали две камеры для наблюдения за нижним гребнем с обеих сторон. Пчел в течение двух дней приучали к кормушке, которую перемещали по дуге вокруг улья. Питатель сначала перемещался на север (115 м), а затем перемещался на восток по улице, перпендикулярной первоначальному маршруту полета, пока не было достигнуто расстояние 180 м.Затем кормушку перемещали по небольшой дороге, уменьшая расстояние до улья до 80 м (направление E-SE). Оттуда кормушка была перемещена в конечный пункт назначения (52.455563, 13.298462) на 235 м, 135 ° восточнее севера, если смотреть со стороны улья.

Мы создали эталонный набор данных для проверки программного обеспечения для обнаружения и декодирования танцев, случайным образом выбрав обнаружение покачивания из результатов, установленных после периода записи. Обнаружения были визуализированы в графическом пользовательском интерфейсе, и человек-наблюдатель классифицировал последовательность изображений, чтобы правильно ли они содержали танец или нет.Путем перетаскивания линии по изображению ориентация пчелы была приблизительно аппроксимирована вручную. Поскольку мы выбрали тестовые данные post-hoc из результатов, были рассмотрены только обнаруженные колебания. Таким образом, было невозможно измерить, сколько танцев было пропущено (ложноотрицательный показатель) или вручную определить правильную продолжительность танца (программное обеспечение могло обнаружить виляние слишком поздно и сохранило только часть полной последовательности изображений). Поэтому мы запустили программу на наборе видеозаписей, содержащих виляющие танцы на том же фидере, записанных в 2008 году.Мы уменьшили разрешение изображения, чтобы оно соответствовало разрешению записи PS3Eye. Частота кадров в обоих источниках составляла 100 Гц. Для этого набора данных были доступны данные отслеживания (Landgraf et al., 2011), которые использовались для измерения количества ложноотрицательных результатов, а также для оценки продолжительности танца и точности определения местоположения.

Автоматически извлеченные танцевальные параметры в период обучения были переведены в полевые местоположения. С этой целью продолжительность танца и ориентация были усреднены по последовательным обнаружениям.Таким образом, средний пробег был спроецирован на поле по отношению к азимуту во время первого пробега. Танцы с менее чем четырьмя обнаружениями покачивания или продолжительностью покачивания менее 200 мс отбрасывались (см. Обсуждение). Полученные местоположения полей были нанесены на карту с использованием Matlab и картографических материалов, предоставленных OpenStreetMap.

Результаты

Обнаружение и декодирование тегов

Время работы и производительность

Мы потратили значительное количество времени на оптимизацию программного обеспечения для декодирования тегов с точки зрения времени выполнения.Тем не менее, на одном процессоре анализ изображений занимает примерно в 500 раз больше времени, чем в реальном времени (86 лет для имеющегося набора данных). Анализ изображения на суперкомпьютере занимает всего 10% от исходного времени записи (среднее количество используемых процессоров: 1000).

Мы оценили результаты программного обеспечения для обнаружения и декодирования тегов с точки зрения достоверности, определенной вручную. Все уровни обеспечивают высокую скорость запоминания (какая часть достоверной информации может быть правильно идентифицирована) и точности (какая часть вывода программного обеспечения фактически покрывается наземными данными).

Можно распознать до 88% тегов. Только 65% обнаружений могут быть правильно декодированы для данной записи изображения. Однако 94% декодированных идентификаторов имеют менее трех неверно идентифицированных битов. Важно отметить, что эти обнаружения по-прежнему ценны, поскольку истинный идентификатор может быть получен с помощью вероятностной фильтрации (см. Раздел «Отслеживание» и «Фильтр временного идентификатора»). В качестве дополнительного способа измерения точности декодера мы проверили количество неверно прочитанных бит в декодированных идентификаторах.Эта метрика, известная как расстояние Хэмминга (Hamming, 1950), имеет среднее значение 0,74.

Отслеживание и идентификация танцора

Мы вручную отследили 50 пчел в течение 240 кадров, щелкнув мышью по обнаружению, которое соответствует фокусной пчеле. Затем эффективность алгоритма слежения оценивалась путем сравнения его выходных данных с наземными путями истинности.

Были проверены две функции алгоритма отслеживания. Основным компонентом отслеживания является вероятностный фильтр, который мы используем для интеграции последовательных измерений для надежного получения истинного идентификатора животного (см. Раздел «Отслеживание и временный фильтр идентификатора»).Фильтр должен быть устойчивым к двум типам ошибок. Во-первых, неправильные декодирования идентификаторов, поступающие из конвейера, и, во-вторых, неправильные назначения обнаружения в процессе отслеживания. Первая ошибка была определена количественно и используется в фильтре (см. Рисунок 4). Последний вводит неверные позиции и идентификаторы в путь. Поскольку этого нельзя полностью избежать, эта ошибка не должна влиять на результат процесса фильтрации идентификаторов. Чтобы выяснить, насколько надежен наш алгоритм фильтрации, мы ввели неправильные идентификаторы для путей отслеживаемого вручную животного.Пути не были отфильтрованы, т. Е. Имели идентификаторы, которые попарно схожи, но не равны (см. Раздел о точности декодера Время выполнения и производительность). При 10% неверных идентификаторах на пути алгоритм смог восстановить правильный идентификатор примерно после 50 наблюдений. Даже если одна треть идентификаторов ошибочна, правильный идентификатор может быть получен в большинстве случаев примерно после 100 наблюдений (подробности см. На рисунке 6).

Рисунок 6. Механизм очень устойчив к ошибочным назначениям .Даже если 30% назначенных обнаружений исходят от разных пчел, можно с высокой вероятностью извлечь правильный идентификатор после достаточного количества наблюдений.

Чтобы оценить качество путей, сгенерированных алгоритмом, мы сравнили, сколько обнаружений вдоль наземного истинного пути было правильно назначено одному и тому же пути. В алгоритме отслеживания должно быть установлено минимальное значение схожести нового идентификатора и идентификатора с фильтрацией по времени на текущем пути. Этот порог можно выбрать так, чтобы добавлялись только очень похожие обнаружения.Это даст кусочные траектории, каждая с высокой точностью. При ослаблении порога результирующие траектории становятся длиннее, но увеличивается вероятность того, что были добавлены неправильные обнаружения. Используя вручную выбранный порог, мы обнаружили, что большинство пчел (> 90%) можно отслеживать с высокой точностью (> 99% правильно назначенных обнаружений, см. Рисунок 7). Обратите внимание, что результаты могут значительно отличаться по качеству в зависимости от активности основного животного (см. Обсуждение).

Рисунок 7.Синий: Расстояние от P _t до ожидаемого наземного истинного распределения по количеству наблюдений. Красный: Доверительное значение P _t.

Обнаружение и декодирование танцев

Эффективность обнаружения

Для проверки было отобрано 1000 случайных выборок из 220127 обнаружений покачивания. Семьдесят девять процентов проверенных вручную обнаружений были танцами (частота ложных срабатываний — 21%).То же программное обеспечение показало значительно лучшие результаты при съемке высокоскоростных видеозаписей танцев. Почти все танцы можно было обнаружить (вспомнить 96,4%) с небольшим количеством ложных определений (точность: 89,5%). Эта разница, вероятно, была вызвана плохой оптикой веб-камер.

Погрешность позиционирования в обоих плоских размерах почти равна нулю (среднее значение: 0,02 мм при стандартном: 1,7 мм).

Производительность декодера

Предложенный метод завышает продолжительность танца в среднем на 98 мс (стандартное: 139 мс).Угловая ошибка обнаружения одиночного качающегося пробега составляет в среднем 1,7 ° и имеет стандартное отклонение 22 °. При усреднении минимум четырех прогонов качания стандартное отклонение ошибки значительно уменьшается (SD: 12 °). Обратите внимание, что короткие танцы из-за характера метода сообщаются с более высокой угловой ошибкой и влияют на общую ошибку. Без учета коротких пробежек (<200 мс) стандартное отклонение угловой ошибки составляет 5 °.

Танцевальные карты

Чтобы проиллюстрировать варианты использования обнаружения танца виляния, мы нанесли на карту все танцы собирателей во втором наблюдательном улье.На рисунке 8 показаны конечные точки вектора, полученные в результате усреднения продолжительности и угла минимум четырех последовательных прогонов качания и их проецирования на поле с использованием азимута Солнца. В день тестирования мы выявили 471 танец, в среднем на каждый танец приходилось 6,75 пробежек. Средний угол танца почти точно совпадает с ожидаемым углом, полученным с учетом местоположения кормушки (134 и 136 ° соответственно). Тем не менее, танцы на другие направления были обнаружены. Вокруг улья наблюдается заметный разброс, который на близком расстоянии с большей вероятностью возникает из-за неправильного обнаружения, поскольку метод определения угла танца подвержен ошибкам при коротких пробежках.Однако вполне вероятно, что пчелы добывали корм не только с помощью искусственной кормушки. Разброс вокруг места кормления заметен и соответствует угловому стандартному отклонению ранее сообщенных танцев в том же месте (SD: 28 °, см. Landgraf et al., 2011).

Рис. 8. Обнаружение танца (продолжительность и направление покачивания) было усреднено по крайней мере по четырем пробегам покачивания и переведено в положение поля относительно азимута солнца . Для преобразования продолжительности покачивания в метрическое расстояние использовалось линейное отображение. Каждая точка представляет танец покачивания с как минимум четырьмя пробегами покачивания.Улей изображен белым треугольником. Пунктирная линия представляет собой среднее танцевальное направление.

Обсуждение

Мы описали автоматическую систему наблюдения с соответствующими аппаратными и программными компонентами для автоматического обнаружения, идентификации и отслеживания помеченных пчел. Система может автоматически обнаруживать и декодировать коммуникационные танцы медоносных пчел и связанные с ними модели поведения, такие как следование танцам и трофалаксис. Система BeesBook уникальна своим пространственным и временным разрешением и способностью отражать сложное взаимодействие нескольких тысяч особей внутри улья в больших временных окнах.

Мы видим потенциальное использование нашей автоматизации во многих аспектах исследования танца виляния. Основные биологические исследования в прошлом были ограничены по объему, потому что было невозможно надежно отслеживать достаточное количество отдельных рабочих в течение достаточно долгого времени, чтобы создать целостное понимание взаимодействия рабочего и рабочего или создать профиль собирателя. Например, было бы интересно узнать о местах добычи, которые ранее сообщал танцор, и рассмотреть эту информацию, если танцор затем станет его последователем.Учитывая, что собиратели связывают личную информацию (например, память о ресурсе) с социальной информацией (Grüter et al., 2008, 2013), система BeesBook может помочь исследовать эту взаимосвязь. Еще одно полезное применение предлагаемой системы — прикладные исследования. Танец указывает на положительную оценку и представляет собой комплексный сигнал о том, что корм или гнездо ценны (Seeley, 1994, 2010; Seeley, Buhrman, 2001; Couvillon et al., 2014a). Расшифровка и построение множества танцев на местности может указать места, представляющие большой или низкий интерес, и даже может помочь землеустроителям оценить ландшафт с точки зрения устойчивости пчел и сохранения природы (Couvillon et al., 2014б). Кроме того, поскольку медоносные пчелы «отбирают пробы» из окружающей среды, их танцы также могут помочь в оценке экологического риска, поскольку продукты из кормов могут одновременно проверяться на химические вещества. Возможность декодировать большое количество танцев может помочь службам опыления, поскольку пчеловоды очень быстро узнают, когда пчелы посещают целевую культуру.

Помимо танцевального общения, система BeesBook может способствовать различным научным исследованиям в более широких контекстах, таких как сетевой анализ, самоорганизация и выявление специфического поведения колонии.Отслеживание большого числа людей в течение длительного периода времени может выявить подробные характеристики сетевой динамики распространения болезни (Naug, 2008) и коллективной защиты от патогенов (Theis et al., 2015). Распределение пестицидов в улье или влияние различных стрессовых факторов окружающей среды на поведение колонии и интригующую область разделения труда (Робинсон, 1992) можно было наблюдать с беспрецедентными подробностями. Сетевые исследования (Croft et al., 2008) могут быть применены к медоносным пчелам так же, как исследования, изучающие влияние индивидуальных различий (Réale et al., 2007) на групповое поведение.

Мы считаем, что наборы данных BeesBook обладают огромным потенциалом для содействия всестороннему пониманию общества в целом. Мы поддерживаем междисциплинарные исследования и планируем предоставить открытый доступ к нашим данным, чтобы члены научного сообщества могли анализировать их в контексте своих соответствующих областей интересов.

Automation может позволить использовать множество высокоэффективных приложений, но также влечет за собой значительные проблемы, затраты и особенности, связанные со сбором, хранением, анализом и интерпретацией «больших» данных.Усилия, описанные в этой статье, включают регистрацию и анализ только одной довольно небольшой колонии. Хотя затраты на память и вычислительные ресурсы снижаются экспоненциально, а вышеупомянутые требования скоро станут доступными, все же, возможно, придется тщательно взвешивать причины для использования такой системы.

Размер различных наборов данных, общая пропускная способность сети и / или относительно низкая емкость локального хранилища делают ручной просмотр записей и отслеживание очень трудоемкой задачей.Таким образом, большинству результатов, полученных с помощью компьютерного зрения или программного обеспечения для постобработки, можно доверять только на статистическом уровне, определяемом в средних условиях.

Хотя предоставлять доступ к нашим необработанным данным (из-за объема данных) непрактично, гораздо удобнее делиться уровнями постобработанных данных. Однако это потребует высокой уверенности в правильности данных, поскольку не было бы возможности проверить данные без записей изображений. Примечательно, что точная проверка производительности отдельных компонентов системы сама по себе является серьезной проблемой.Как было показано, производительность системы зависит от множества факторов. Например, бывают дни, когда в колонии может быть спокойно, и лишь небольшая часть быстро перемещающихся пчел. Система сможет обнаруживать и декодировать большинство пчел с высокой точностью. Однако при определенных обстоятельствах одна и та же колония может проявлять повышенный уровень активности, и почти все пчелы передвигаются очень быстро. Это существенно повлияет на качество расшифровки; система обнаружения танцев может выдавать больше ложных срабатываний.Другие факторы, такие как размер колонии, также играют роль (приводя к большей или меньшей окклюзии). Следовательно, состояние колонии должно быть зарегистрировано, и необходимо разработать сопоставление с ожидаемым уровнем качества системы, чтобы иметь возможность правильно интерпретировать и оценивать данные.

Уровни данных, сгенерированные системой BeesBook, все еще неполны в отношении количества правильно отслеживаемых и идентифицированных пчел, но они составляют наиболее подробный и обширный доступный набор данных. Чтобы повысить точность и надежность, в настоящее время мы улучшаем некоторые из его компонентов.

В предстоящем сезоне мы сохраним долю помеченных пчел в течение всего сезона, периодически заменяя закрытые соты пустыми сотами каждые 3 недели. Затем выводок будет инкубирован, а только что появившиеся пчелы будут помечены и повторно введены в улей.

Аппаратные компоненты будут значительно улучшены. В предстоящем сезоне мы используем комнату большего размера, что позволяет использовать лучшую оптику (линзы с большим фокусным расстоянием и меньшей степенью периферийного размытия).Мы построили леса большего размера, способные вместить больше источников света. Следовательно, мы будем использовать меньшую длительность экспозиции, чтобы минимизировать размытие при движении, которое было основной причиной отсутствующих или ошибочных обнаружений.

Мы определили два компонента программного обеспечения, улучшение которых положительно повлияет на общую производительность системы. В настоящее время мы тестируем замену слоя локализатора на основе глубоких сверточных сетей (Крижевский и др., 2012), которая значительно снижает количество ложных срабатываний.Это позволяет отслеживать траектории создания с меньшими промежутками, что, в свою очередь, делает фильтр идентификатора более успешным.

В настоящее время программа отслеживания использует жадную схему выбора. Для каждого временного шага к пути добавляются обнаружения, независимо от будущей информации, которая может сделать это решение неоптимальным. В будущем мы планируем использовать нежадную схему выбора: на каждом временном шаге будет собираться до трех обнаружений (возможных продолжений пути). Затем все три отслеживаются в будущих кадрах, и, в худшем случае, они также удлиняются с тремя потенциальными кандидатами в каждом (что дает девять возможных следов).На каждом временном шаге будет добавлена четвертая гипотеза, представляющая возможность того, что тег не может быть обнаружен. Это создает граф обнаружения, который может содержать циклы (обнаружение во времени t имеет по крайней мере два возможных пути, заканчивающихся в одном и том же месте в момент времени t + n , с n > 1 ). Эти циклические графы окончательно обрезаются путем удаления менее вероятных путей (с учетом накопленных Pt ). Отслеживание требует больших вычислительных ресурсов.Чем больше слоев во времени может иметь график, тем больше возможностей и больше времени вычисление, но также тем точнее будет присвоение идентификатора и отслеживание.

Хотя компоненты BeesBook уже производят ценные данные, удобные функции для доступа, интеграции, сравнения и тестирования данных все еще находятся в разработке. Чтобы продемонстрировать эффективность интеграции данных, мы отслеживали случайно выбранного танцора и вручную объединили доступные данные, как показано на рисунке 9.Видео, в котором показаны необработанные записи изображений с увеличенным масштабом на фокусном животном, можно найти в дополнительной информации (видео 1).

Рис. 9. Позиции танцора «3007» (красный), ведомого «2641» (зеленый) и приемника пищи «3464» (синий) в динамике . Обнаруженное поведение изображается в виде цветных линий на оси времени. Танцовщица была первоначально обнаружена на периферии гребня, непосредственно движется к месту своего будущего танца и участвует в трофалаксисе, узнаваемом по синим и красным параллелям около t = 50 с.Принимающий еду остается в тесном контакте с танцором лишь на короткое время и покидает танцпол. Она находит еще один приемник пищи на t = 150 (опять же, отрезок прямой синей линии отражает ее неподвижность). Пчела «2641» встречает танцовщицу примерно во время первого трофалаксиса и остается рядом с ней около минуты, пока она не начнет следовать за ней. Последователь покидает танцевальную гребенку (а) раньше, чем танцор (б). После этого обе пчелы не обнаруживались в улье более 5 мин.Следовательно, мы предполагаем, что обе пчелы покинули улей.

В ближайшие месяцы мы завершим анализ изображений и завершим анализ данных в отношении социальных структур в танцевальном контексте к концу года. В летние месяцы мы запишем новый набор данных, который будет анализироваться в зимние месяцы. Мы надеемся, что к тому времени мы сможем предоставить публичный доступ к наиболее полному набору данных о движении и поведении пчелиной семьи — виртуальному улью .

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Авторы благодарят Северо-Германский суперкомпьютерный альянс (HLRN) за их щедрую поддержку проекта хранилищами и вычислительными ресурсами. Мы признательны двум анонимным рецензентам за их ценные и подробные комментарии, которые помогли существенно улучшить статью. BeesBook был создан многими людьми в больших командных усилиях. Авторы благодарят Р. Дайзеля, Б. Лаубиша, Л. Мильке, Й. Мишека, Ю. Марченко, А. Рау, А. Сааде, К. Титца, С. Вихманна и М.Ziese за их значительный вклад и поддержку в последние годы развития системы. Эта работа частично финансируется Германской службой академических обменов (DAAD).

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/article/10.3389/fevo.2015.00103

Список литературы

Аль-Туфаилиа, Х., Кувийон, М., Ратниекс, Ф., и Грютер, К. (2013a). Коммуникация в танце виляния медовой пчелы: значение сигнала и шум сигнала влияют на поведение последователя танца. Behav. Ecol. Sociobiol. 67, 549–556. DOI: 10.1007 / s00265-012-1474-5

CrossRef Полный текст | Google Scholar

Аль-Туфаилиа, Х., Грютер, К. и Ратниекс, Ф. Л. (2013b). Упорство пчел-фуражиров в неблагополучных местах кормления ( Apis mellifera ): влияние опыта, рентабельности ресурсов и сезона. Этология 119, 1096–1106. DOI: 10.1111 / eth.12170

CrossRef Полный текст | Google Scholar

Бикман, М., и Ратниекс, Ф. Л. У. (2000). Дальнобойная охота пчелы, Apis mellifera л. Функц. Ecol. 14, 490–496. DOI: 10.1046 / j.1365-2435.2000.00443.x

CrossRef Полный текст | Google Scholar

Бисмейер Дж. И Сили Т. (2005). Использование медоносными пчелами информации о танце виляния на протяжении всей их охотничьей карьеры. Behav. Ecol. Sociobiol. 59, 133–142. DOI: 10.1007 / s00265-005-0019-6

CrossRef Полный текст | Google Scholar

Бонабо, Э., Theraulaz, G., Deneubourg, J.-L., Aron, S., and Camazine, S. (1997). Самоорганизация у социальных насекомых. Trends Ecol. Evol. 12, 188–193. DOI: 10.1016 / S0169-5347 (97) 01048-3

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Божич, Дж., И Валентинчич, Т. (1991). Сопровождающие и последователи танцев виляния пчелами. J. Apic. Res. 30, 125–131.

Google Scholar

Couvillon, M. J., Schürch, R., and Ratnieks, F. L.(2014a). Танцующие пчелы сообщают о том, что они предпочитают собирать пищу в сельских районах в рамках высокоуровневых агроэкологических схем. Curr. Биол. 24, 1212–1215. DOI: 10.1016 / j.cub.2014.03.072

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Couvillon, M. J., Schürch, R., and Ratnieks, F. L. W. (2014b). Дистанции танца покачивания как интегрирующие индикаторы сезонных проблем с кормлением. PLoS ONE 9: e93495. DOI: 10.1371 / journal.pone.0093495

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Крайльсхайм, К., Brodschneider, R., Aupinel, P., Behrens, D., Genersch, E., Vollmann, J., et al. (2013). Стандартные методы искусственного выращивания личинок Apis mellifera . J. Apic. Res. 52: 52.1.05. DOI: 10.3896 / IBRA.1.52.1.05

CrossRef Полный текст | Google Scholar

Крофт Д. П., Джеймс Р. и Краузе Дж. (2008). Изучение социальных сетей о животных. Princeton, NJ: Princeton University Press.

Google Scholar

Фишер, Р.А.(1936). Использование множественных измерений в таксономических задачах. Ann. Евгений. 7, 179–188. DOI: 10.1111 / j.1469-1809.1936.tb02137.x

CrossRef Полный текст | Google Scholar

Грютер К. и Ратниекс Ф. Л. (2011). Пчелы-собиратели все чаще используют информацию о танце виляния, когда личная информация становится бесполезной. Anim. Behav. 81, 949–954. DOI: 10.1016 / j.anbehav.2011.01.014

CrossRef Полный текст | Google Scholar

Grüter, C., Сегерс, Ф. Х. Д., и Ратниекс, Ф. Л. (2013). Стратегии социального обучения пчел-собирателей: влияют ли затраты на использование личной информации на использование социальной информации? Anim. Behav. 85, 1443–1449. DOI: 10.1016 / j.anbehav.2013.03.041

CrossRef Полный текст | Google Scholar

Хэмминг, Р. У. (1950). Коды обнаружения и исправления ошибок. Bell Syst. Tech. J. 29, 147–160. DOI: 10.1002 / j.1538-7305.1950.tb00463.x

CrossRef Полный текст | Google Scholar

Hölldobler, B., и Уилсон, Э. (2009). Сверхорганизм: красота, элегантность и странность сообществ насекомых . Нью-Йорк, штат Нью-Йорк: W. W. Norton & Company, Inc.

Хотеллинг, Х. (1933). Анализ комплекса статистических переменных на главные компоненты. J. Educ. Psychol. 24, 417–441, 498–520. DOI: 10.1037 / h0071325

CrossRef Полный текст | Google Scholar

Хаффман Д. (1952). Метод построения кодов с минимальной избыточностью. Proc.IRE 40, 1098–1101. DOI: 10.1109 / JRPROC.1952.273898

CrossRef Полный текст | Google Scholar

Кимура Т., Охаши М., Крейлсхайм К., Шмикль Т., Окада Р., Радшпилер Г. и др. (2014). Разработка нового метода отслеживания нескольких медоносных пчел со сложным поведением на плоской лабораторной арене. PLoS ONE 9: e84656. DOI: 10.1371 / journal.pone.0084656

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Кимура, Т., Охаши, М., Окада, Р., Икено, Х. (2011). Новый подход для одновременного отслеживания нескольких пчел для анализа поведения улья. Apidologie 42, 607–617. DOI: 10.1007 / s13592-011-0060-6

CrossRef Полный текст | Google Scholar

Кирхнер В. (1994). Слух у пчел: механический отклик антенны пчелы на звук ближнего поля. J. Comp. Physiol. А 175, 261–265. DOI: 10.1007 / bf00192985

CrossRef Полный текст | Google Scholar

Крижевский, А., Суцкевер И., Хинтон Г. Э. (2012). «Классификация Imagenet с глубокими сверточными нейронными сетями», в Advances in Neural Information Processing Systems , ред. Ф. Перейра, CJC Burges, L. Bottou и KQ Weinberger (Lake Tahoe: Curran Associates, Inc.), 1097– 1105.

Google Scholar

Ландграф, Т., и Рохас, Р. (2007). Отслеживание танцев медоносных пчел по разреженным полям оптического потока . Берлин: Свободный университет Берлина.

Google Scholar

Ландграф, Т., Рохас, Р., Нгуен, Х., Кригель, Ф., и Стеттин, К. (2011). Анализ виляющего движения пчел для разработки биомиметического пчелиного робота. PLoS ONE 6: e21354. DOI: 10.1371 / journal.pone.0021354

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мартинес-Кантин, Р. (2014). BayesOpt: библиотека байесовской оптимизации для нелинейной оптимизации, экспериментального дизайна и бандитов. J. Mach. Учить. Res. 15, 3735–3739.

Google Scholar

Менцель Р., Кирбах, А., Хаасс, В.-Д., Фишер, Б., Фукс, Дж., Коблофски, М., и др. (2011). Общая система координат для изученных и переданных векторов в навигации пчел. Curr. Биол. 21, 645–650. DOI: 10.1016 / j.cub.2011.02.039

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мерш Д. П., Креспи А. и Келлер Л. (2013). Отслеживание людей показывает, что пространственная верность является ключевым регулятором социальной организации муравьев. Наука 340, 1090–1093.DOI: 10.1126 / science.1234316

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Науг, Д. (2008). Структура социальной сети и ее влияние на динамику передачи в колонии пчел. Behav. Ecol. Социобиол . 62, 1719–1725. DOI: 10.1007 / s00265-008-0600-x

CrossRef Полный текст | Google Scholar

Ние, Дж. (1993). Стоп-сигнал медоносных пчел: пересмотр его сообщения. Behav. Ecol. Sociobiol. 33, 51–56.DOI: 10.1007 / BF00164346

CrossRef Полный текст | Google Scholar

Нолдус, Л., Спинк, А., Тегеленбош, Р. (2001). Ethovision: универсальная система видеонаблюдения для автоматизации поведенческих экспериментов. Behav. Res. Методы Instrum. Comput. 33, 398–414. DOI: 10.3758 / BF03195394

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Перес-Эскудеро, А., Висенте-Пейдж, Дж., Хинц, Р. К., Арганда, С., и де Полавьеха, Г. Г. (2014). idTracker: отслеживание отдельных лиц в группе путем автоматической идентификации животных без опознавательных знаков. Нац. Методы 11, 743–748. DOI: 10,1038 / Nmeth.2994

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Реаль Д., Ридер С. М., Сол Д., Макдугалл П. Т. и Дингеманс Н. Дж. (2007). Включение темперамента животных в экологию и эволюцию. Biol. Ред. 82, 291–318. DOI: 10.1111 / j.1469-185X.2007.00010.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Райли, Дж. Р., Греггерс, У., Смит, А. Д., Рейнольдс, Д.Р. и Мензель Р. (2005). Маршруты полета пчел, запрограммированные в танце виляния. Природа 435, 205–207. DOI: 10.1038 / nature03526

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сили Т. (1994). Медоносные пчелы-фуражиры как сенсорные единицы своих семей. Behav. Ecol. Sociobiol. 34, 51–62. DOI: 10.1007 / BF00175458

CrossRef Полный текст | Google Scholar

Сили Т. (1995). Мудрость улья .Кембридж, Массачусетс: Издательство Гарвардского университета.

Google Scholar

Сили Т. (2010). Пчелиная демократия . Принстон, Нью-Джерси: Издательство Принстонского университета.

Google Scholar

Сили Т., Камазин С. и Снейд Дж. (1991). Коллективное принятие решений у медоносных пчел: как семьи выбирают источники нектара. Behav. Ecol. Sociobiol. 28, 277–290. DOI: 10.1007 / bf00175101

CrossRef Полный текст | Google Scholar

Сили Т.Д., и Бурман, С. К. (2001). Выбор места для гнезда у медоносных пчел: насколько хорошо рои реализуют правило принятия решений «лучший из n»? Behav. Ecol. Sociobiol. 49, 416–427. DOI: 10.1007 / s002650000299

CrossRef Полный текст | Google Scholar

Сили Т. Д., Михеев А. С. и Пагано Г. Дж. (2000). Танцующие пчелы настраивают как продолжительность, так и скорость виляющего производства в зависимости от рентабельности источника нектара. J. Comp. Physiol. А 186, 813–819. DOI: 10.1007 / s0035

134

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сили Т.Д., Вишер, П. К., Шлегель, Т., Хоган, П. М., Фрэнкс, Н. Р., Маршалл, Дж. А. Р. (2012). Стоп-сигналы обеспечивают перекрестное торможение коллективного принятия решений роем медоносных пчел. Наука 335, 108–111. DOI: 10.1126 / science.1210361

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Серра, Дж. (1986). Введение в математическую морфологию. Вычисл. График зрения. Процесс изображения . 35, 283–305. DOI: 10.1016 / 0734-189X (86)

-2

CrossRef Полный текст | Google Scholar

Таннер, Д., и Вишер, П. (2010). Адаптация или ограничение? Эталонный зависимый разброс в танцах медоносных пчел. Behav. Ecol. Социобиол . 64, 1081–1086. DOI: 10.1007 / s00265-010-0922-3

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тайс, Ф. Дж., Угельвиг, Л. В., Марр, К., и Кремер, С. (2015). Противодействующие эффекты аллогруминга на передачу болезней в сообществах муравьев. Philos. Пер. R. Soc. Лондон. B Biol. Sci . 370: 20140108. DOI: 10.1098 / rstb.2014.0108

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Вишер, П. К., и Сили, Т. Д. (1982). Стратегия кормодобывания пчелиных семей в лиственных лесах умеренного пояса. Экология 63, 1790–1801. DOI: 10.2307 / 1940121

CrossRef Полный текст | Google Scholar

Фон Фриш, К. (1965). Tanzsprache und Orientierung der Bienen. Берлин; Гейдельберг: Springer-Verlag.

Google Scholar

Уоддингтон, К., Герберт, Т., Вишер, П., и Рихтер, М. (1994). Сравнение распределения собирателей из совпадающих семей медоносных пчел в пригородных условиях. Behav. Ecol. Sociobiol. 35, 423–429.

Google Scholar

Вайденмюллер А. и Сили Т. Д. (1999). Неточность в виляющих танцах пчелы ( Apis mellifera ) для близлежащих источников пищи: ошибка или адаптация? Behav. Ecol. Sociobiol. 46, 190–199. DOI: 10.1007 / s002650050609

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Се, Ю., и Джи, Q. (2002). «Новый эффективный метод обнаружения эллипсов», в 16-я Международная конференция по распознаванию образов , Vol. 2 (Квебек), 957–960.

Google Scholar

Расшифровка танцев пчел | Новости науки для студентов

Посмотреть видео

Являются ли люди экологически безопасными в управлении ландшафтом? Чтобы получить хорошие подсказки, нам, возможно, не нужно искать дальше наших местных пчел, — говорит биолог из Англии.

Медоносные пчелы исполняют особый танец «покачивания», чтобы сообщить своим товарищам по улью, где найти лучшие цветы для получения нектара и пыльцы.Маргарет Кувийон и ее команда потратили два года на расшифровку 5484 танцев, исполняемых пчелами в трех ульях. Кувийон — поведенческий эколог. Она работает в Сассекском университете в Англии.

Учителя и родители, подпишитесь на шпаргалку

Еженедельные обновления, которые помогут вам использовать Новости науки для студентов в учебной среде

Спасибо за регистрацию!

При регистрации возникла проблема.

«Пчела качает своим телом [при движении] по прямой в течение нескольких секунд и останавливается.Затем она возвращается к началу и снова начинает танец », — объясняет Кувийон.

Продолжительность покачивания пчелы показывает, как далеко находится еда. Покачивание в одну секунду означает: «Пролетите 750 метров» (почти 2500 футов). В танце также предусмотрена направленность. Когда пчелы качаются, они наклоняются к источнику пищи, указывая им головой.

В природе пчелы танцуют в темноте своего улья. Так что товарищи по улью не увидят этот танец.Скорее, они услышат вибрирующий звук, который издает танцующая пчела. Они даже прикоснутся к танцовщице своей антенной, чтобы лучше почувствовать ее вибрации и угол (и да, все пчелы-кормилицы — самки).

Пчелы, которых изучала команда Кувийона, жили в ульях, построенных на фоне листа стекла. Это позволило исследователям наблюдать за покачиванием пчел. Выводы команды опубликованы в июньском номере Current Biology .

Пчелы чувствуют вибрации, которые производит эта танцующая пчела, когда она покачивается, показывая, где найти нектар и пыльцу.Roger Schürch

В ежедневных поисках пищи пчелы Кувийона покрыли около 100 квадратных километров (62 квадратных мили). Расшифровывая танцы медоносных пчел, исследователи выяснили, что пчелы не находят места с большим количеством построек очень привлекательными.

Их любимые места кормления были в близлежащем заповеднике, где трава оставалась нескошенной. Также опылителям понравились сельхозугодья, на которых было много нескошенной травы.

Пчелы предпочитают естественные луга, подозревает Кувийон, потому что они могут использовать нектар и пыльцу различных цветущих растений.Растения на естественных лугах цветут в разное время года. Это означает, что цветы доступны в течение многих месяцев.

Когда поле фермы засажено только одним типом сельскохозяйственных культур, есть только один тип цветов. И все эти растения сразу дают свои цветы. Это оставляет пчелам мало еды в остальное время года.

«Пчелиные танцы» можно использовать для отслеживания того, насколько хорошо люди защищают пастбища, — говорит Джеймс Ние. Биолог, он работает в Калифорнийском университете в Сан-Диего.

Один недостаток подслушивания пчел: сбор и расшифровка их танцев занимает много времени, — говорит Ние, эксперт по общению пчел. «Было бы полезно, если бы исследователи придумали инструмент автоматического видеоанализа в стиле танца виляния», — говорит он. «Это позволит шире использовать мониторинг танцев».

За последние 20 лет европейские страны потратили более 41 миллиарда евро (55 миллиардов долларов) на улучшение сельскохозяйственных угодий, увеличение среды обитания, которую может использовать дикая природа.Кувийон хотел знать, повлияли ли деньги, потраченные на поля вокруг Сассекса.

Это действительно помогло, когда оно использовалось для компенсации фермерам за сокращение площади земель, засеянных ими, как она обнаружила. Тогда эти производители могли позволить расти более благоприятным для пчел естественным лугам.

Это важная информация, потому что человеческое общество привыкло полагаться на пчел. Около одной трети пищи, которую едят люди, получают из растений, опыление которых зависит от пчел.

Пчелы — не единственные важные насекомые-опылители. И некоторые из этих опылителей могут получить стимул от любого увеличения благоприятной для пчел среды обитания. Кувийон утверждает, что если пчелам нравится пейзаж, то и другие опылители, вероятно, тоже.

Популяции пчел резко сократились за последние несколько лет. Ученые подозревают, что отчасти причина связана с инсектицидами, распыляемыми для защиты сельскохозяйственных культур от насекомых, питающихся растениями. Некоторые из этих химикатов могут отравить пчел или сбить их с толку.Но новые данные предполагают, что пчелы также могут страдать от критической потери пастбищ, поскольку люди превращают луга и дикие земли в города и фермы.

Посмотрите, как танцующие пчелы голосуют за лучшие типы земель и районы для поиска пищи.
Кредит: Маргарет Кувийон и Роджер Шюрх

Силовые слова

поведенческий эколог Ученый, изучающий поведение животных в естественных условиях.

декодировать Для преобразования скрытого или секретного сообщения на понятный язык.

корм Искать что-нибудь, особенно пищу.

инсектицид Яд, применяемый для уничтожения насекомых.

нектар Сладкая жидкость, выделяемая растениями, особенно цветами. Он стимулирует опыление насекомыми и другими животными. Его собирают пчелы, чтобы превратить его в мед.

пыльца Порошковые зерна, выделяемые мужскими частями цветов, которые могут оплодотворять женские ткани других цветов.Насекомые-опылители, такие как пчелы, часто собирают пыльцу, которая позже будет съедена.

опылить Процесс переноса мужских репродуктивных клеток — пыльцы — к женским частям цветка. Это делает возможным удобрение, первый шаг в воспроизводстве растений.

Расшифровка работы пчел | Новости науки для студентов

Пчелы ведут образ жизни, который людям трудно подражать. Подобно термитам и муравьям, только у нескольких членов группы есть дети, но все остальные участвуют в работе и заботятся о малышах.

Ученые давно задаются вопросом, что движет этими сверхсоциальными насекомыми. Теперь у них есть важные подсказки. Группа исследователей недавно расшифровала геном или весь набор генов западной медоносной пчелы.

Пчела навещает астру.

Захари Хуанг

Гены состоят из молекулы ДНК, которая похожа на руководство по эксплуатации организма.Изучая, какие гены есть у животных и чем они занимаются, ученые могут многое узнать о биологии, лежащей в основе его поведения.

Учителя и родители, подпишитесь на шпаргалку

Еженедельные обновления, которые помогут вам использовать Новости науки для студентов в учебной среде

Спасибо за регистрацию!

При регистрации возникла проблема.

Новая работа особенно интересна, потому что это первый случай, когда исследователи расшифровали геном существа в обществе царицы и рабочего.

«Секвенирование генома медоносной пчелы, несомненно, является историческим событием», — говорит Бен Олдройд, пчеловод из Сиднейского университета в Австралии.

Западный пчеловод ухаживает за личинками — одно из социальных проявлений поведения, которое делает код ДНК насекомого настолько интригующим для биологов.

Ryszard Maleszka

Помимо медоносных пчел генетики раскрыли геномы еще четырех видов насекомых: малярийных комаров, шелкопрядов и двух видов плодовых мух.Новые сравнения между группами выявили ряд сюрпризов.

У медоносных пчел, например, 170 генов, отвечающих за запахи. У плодовых мушек их всего 60. По-видимому, хороший нюхатель помогает, когда живешь пчелиной жизнью.

С другой стороны, по сравнению с плодовыми мушками и малярийными комарами у медоносных пчел гораздо меньше генов, поддерживающих их иммунную систему, защищающую от болезней. Это удивительно, потому что животные, которые живут группами, чаще болеют.

Гены пчелы имеют некоторые общие черты с генами позвоночных (животных с позвоночником). Например, и пчелы, и позвоночные, в том числе мы с вами, используют одни и те же гены для установления ритмов тела, зависящих от времени суток. У них также есть похожие гены для включения и выключения других генов.

Рабочая пчела ухаживает за личинками.

Джефф Петтис, Исследовательская лаборатория пчел USDA-ARS

У пчел маленький простой мозг, но они способны учиться и запоминать гораздо больше, чем вы могли ожидать.Расшифровка генома пчелы может помочь объяснить это удивительное поведение.

Новая работа может также помочь ученым разводить более сильных пчел. За последние 20 лет появились крошечные вредители, которые убивают множество медоносных пчел. До одной трети коммерческих пчел в Соединенных Штатах исчезли.

Это проблема и для нас. Медоносные пчелы разносят пыльцу, чтобы растения могли производить много пищи, которую мы едим, от яблок до кабачков.

Идем глубже:

Милиус, Сьюзен.2006. Шум о геноме: ДНК медоносной пчелы вызывает социальные вопросы. Новости науки 170 (28 октября): 275. Доступно по адресу http://www.sciencenews.org/articles/20061028/fob1.asp.

Подробнее о западной медоносной пчеле можно узнать на www.gpnc.org/honeybee.htm (Природный центр Великих равнин) и en.wikipedia.org/wiki/Western_honeybee (Википедия).

Для получения информации о геноме медоносной пчелы посетите веб-сайты www.news.uiuc.edu/news/06/1025robinson.html (Университет Иллинойса в Урбана-Шампейн) и www.ncbi.nlm.nih.gov/genome/guide/bee/ (Национальные институты здоровья).

Зон, Эмили. 2005. Пчелиная жара готовит захватчиков. Новости науки для детей (28 сентября). Доступно на http://www.sciencenewsforkids.org/articles/20050928/Note2.asp.

______. 2005. Copybees. Новости науки для детей (7 сентября). Доступно на http://www.sciencenewsforkids.org/articles/20050907/Note3.asp.

_____. 2005. Пчелиные мозги, которые могли. Новости науки для детей (6 апреля).Доступно на http://www.sciencenewsforkids.org/articles/20050406/Note2.asp.

______. 2003. Детский озноб дает пчелам шесть левых ног. Новости науки для детей (28 мая). Доступно на http://www.sciencenewsforkids.org/articles/20030528/Note2.asp.

Идея научного проекта: Проверить память пчелы. См. Www.hometrainingtools.com/articles/bee-memory-experiment.html (Инструменты для домашнего обучения).

Для получения информации о проектах в области геномики посетите сайт www.sciencebuddies.org / mentoring / project_ideas /
home_Genom.shtml? from = Home (приятели по науке).

(PDF) Автоматическое обнаружение и декодирование танцев виляния медоносной пчелы

22. З. Хан, Т. Балч и Ф. Делларт. Частичный фильтр Rao-Blackwellized для

Eigentracking. В 2004 году конференция IEEE Computer Society по компьютерному зрению

и распознаванию образов, том 2, страницы 980–986. IEEE, 2004.

23. Т. Кимура, М. Охаши, Р. Окада и Х. Икено. Новый подход для одновременного отслеживания нескольких пчел

для анализа поведения улья.

Apidologie, 42 (5): 607–617, 2011.

24. Г. Кламбауэр, Т. Унтертинер, А. Майр и С. Хохрайтер. Самонормализующиеся нейронные сети

. Препринт arXiv, июнь 2017 г.

25. Т. Ландграф, М. Эртель, А. Кирбах, Р. Менцель и Р. Рохас. Имитация системы коммуникации танца пчелы

с помощью биомиметического робота. In

Lecture Notes in Computer Science, volume 7375 LNAI, pages 132–143.

Springer-Verlag, 2012.

26.Т. Ландграф и Р. Рохас. Отслеживание танцев медоносных пчел по разреженному оптическому потоку

полей. Технический отчет июнь, Свободный университет Берлина, Берлин, 2007.

27. Т. Ландграф, Р. Рохас, Х. Нгуен, Ф. Кригель и К. Штеттин. Анализ движения медоносных пчел

в танце виляния для разработки биомиметического пчелиного робота.

PLoS ONE, 6 (8): e21354, 2011.

28. R. Menzel, A. Kirbach, W. D. Haass, B. Fischer, J. Fuchs, M. Koblofsky,

K. Lehmann, L.Рейтер, Х. Мейер, Х. Нгуен, С. Джонс, П. Нортон и

У. Греггерс. Общая система координат для изученных и переданных векторов

в навигации по пчелам. Current Biology, 21 (8): 645–650, 2011.

29.

S. M. Oh, J. M. Rehg, T. Balch и F. Dellaert. Изучение и вывод движений

паттернов с использованием линейных динамических систем с параметрической сегментной коммутацией.

Международный журнал компьютерного зрения, 77 (1-3): 103–124, май 2008 г.

30.К. М. Пассино и Т. Д. Сили. Моделирование и анализ выбора места гнездования

пчелиными стаями: компромисс между скоростью и точностью. Behav Ecol Sociobiol,

59: 427–442, 2006.

31. А. Рейна, Г. Валентини, К. Ферн’андес-Ото, М. Дориго и В. Трианни. Шаблон Design

для децентрализованного принятия решений. PLoS ONE, 10 (10): e0140950, oct

2015.

32.

J. R. Riley, U. Greggers, a. Д. Смит, Д. Р. Рейнольдс и Р. Мензель. Полет

дорожек медоносных пчел, набранных танцем виляния.Nature, 435 (7039): 205–207,

2005.

33.

R. Sch¨urch и F. L. W. Ratnieks. Пространственно-информационное содержание меда

пчелиный танец виляния. Границы экологии и эволюции, 3:22, март 2015 г.

34.

Т. Д. Сили. Социальное кормление пчелами: как колонии распределяют собирателей среди

участков цветов. Поведенческая экология и социобиология, 19 (5): 343–354, ноя 1986.