MétaCan
Menu
Retour à la cohorte
Enregistrement W2143752572 · doi:10.5821/iwp.2013.15.15337

Preliminary results on automated video-imaging for the study of behavioural rhythms of tubeworms from the tempo-mini ecological module (neptune, canada)

2013· article· en· W2143752572 sur OpenAlexaboutno aff
Michaël Aron, D. Cuvelier, Jacopo Aguzzi, Corrado Costa, C. Doya, Jozée Sarrazin, Pierre‐Marie Sarradin

Notice bibliographique

RevueInstrumentation viewpoint · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomationHough transformFaunaRhythmFocus (optics)Computer scienceComputer visionArtificial intelligenceIdentification (biology)Remote sensingEcologyReal-time computingGeographyBiologyEngineeringImage (mathematics)AcousticsPhysics

Résumé

récupéré en direct d'OpenAlex

The presence of behavioural rhythms has been studied in organisms of coastal areas in relation to circadian and tidal cycles, but their presence in benthic fauna inhabiting dark deep-sea regions remains largely unknown. Cabled video-observatories allow the study of these activity rhythms via the acquisition of pictures or footages over extended periods of time. In this work, we present the preliminary steps in the automation of biological data extraction for the determination of deep-sea fauna activity rhythms with TEMPO-mini (NEPTUNE; Canada). Automated analyses of tube worm behaviour were carried out with the Hough transform algorithm. Some different testing parameters were applied to the same image with siboglinid tubes. Tube openings identifications showed to be difficult, since circle placing was in some cases attributed to animals. The future step of automation will be to run the Hough transform algorithm within sub Region of Interests were tube identifications is the most efficient as we identified with this preliminary screening. Then, we will focus on each singe individual producing time series in terms of opening identification (as marker of moments of animals’ retractions) per unit of time (e.g. 10 min).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,312
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,225
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstrumentation viewpointMême sujetMarine and environmental studiesTravaux en français237 207