Semi-automated identification of individual big brown bats via collagen–elastin patterns in the wing membrane
Notice bibliographique
Résumé
Abstract Collagen-elastin (CE) bundle patterns in the wing membrane have been used to identify individual bats; however, this method has not been widely adopted, likely owing to the laborious nature of manually comparing wing images through visual inspection. We tested the effectiveness of using an accessible, feature-based, pattern-recognition software—HotSpotter—to identify individuals using patterns of CE bundles in the bat wing. We collected photos from 24 adult (n = 192 photos) big brown bats (Eptesicus fuscus) and their direct offspring (n = 34 pups; n = 136 photos) by illuminating the ventral surface of the wing with ultraviolet light. Upon running a query match comparison on a selected reference image, HotSpotter ranks every other photo in the database based on an assigned similarity score. We found that HotSpotter correctly presented the top-ranked image as another image of the same individual at higher-than-chance performance. The software also performed better than chance when considering matches to images with the same age (adult/juvenile), sex (male/female), wing side (left/right), and known-relatedness (mother–offspring or twin) to the bat in the queried image. The proportion of correct matches increased with the number of top-ranked images included in the initial query. These results are encouraging because they suggest that pattern-recognition software has the potential to automate recognition of bats based on CE bundle patterns in photos of bat wings. With further refinements in the technology, we think it may be possible to achieve nearly 100% accuracy of individual identification.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».