Abstract

Automatyzacja analizy zachowań zwierząt laboratoryjnych umożliwia szybką i obiektywną ocenę obserwacji. Rozwiązania w istniejących systemach skupiają się na detekcji prostych aspektów zachowań, która jest możliwa dzięki pomiarowi parametrów motorycznych zwierząt, ich punktów charakterystycznych czy kształtu ciała. Jednym z istotnych problemów w dziedzinie rozpoznania zachowań są zachowania złożone, dla których trudno jest zdefiniować opisujące je parametry nawet doświadczonemu obserwatorowi. Kolejnym aspektem są testy socjalne lub grupowe (stadne) podczas których często występuje kontakt między osobnikami skutkujący złączeniem się obserwowanych obiektów na obrazie lub nawet ich częściowym zasłonięciem. W ramach rozprawy zaproponowano 3-etapową metodę segmentacji zwierząt zależną od stopnia złączenia, dla której zaadaptowano i przetestowano algorytmy uczenia maszynowego. Opracowano również metody symulacyjne testów socjalnych. W przeprowadzonych badaniach zweryfikowano także możliwość zdefiniowania deskryptorów zachowań nietypowych wspomagających automatyzację analizy zachowań socjalnych na podstawie obrazów termograficznych.

Author (1)