Showcase
Gedrag van dieren beter begrijpen door machine learning
Hoe gedragen koeien zich als ze kreupel zijn of hoe kan een mug een mens vinden in het donker? Onderzoekers van de Experimentele Zoölogie Groep in Wageningen ontwikkelen een set machine learning tools om het gedrag van dieren beter te begrijpen. Met de tools kunnen veehouders in de toekomst bijvoorbeeld eerder ingrijpen als een dier kreupelheid ontwikkelt.
Hoe een dier zich gedraagt hangt af van allerlei factoren: het landschap waar het dier in leeft, welk voedsel het kan vinden en of er roofdieren in de buurt zijn. Daarnaast spelen ook genen, leeftijd en ziekte een rol. "Om het gedrag van dieren beter te begrijpen is een set van observaties nodig", zegt onderzoeker Florian Muijres. "Vroeger bekeek ik uren aan videomateriaal van vliegende vleermuizen om te achterhalen hoe deze beesten manoeuvreren. Het kostte me ruim drie maanden om alle beelden te bekijken en te analyseren. Wij ontwikkelen nu nieuwe machinelearningmethoden waarmee onderzoekers straks grote datasets beeldmateriaal razendsnel, binnen enkele dagen, kunnen omzetten in bruikbare informatie over de bewegingen en het gedrag van dieren."
Beelden van kruipende wormen en vliegende insecten
De techniek die de onderzoekers voor de machine learning tools gebruiken werkt als volgt: Muijres en zijn collega’s ontvangen van onderzoekers beelden van kruipende wormen in een petrischaaltje, vliegende insecten in een windtunnel, koeien in een stal of dieren in het wild. Die beelden worden met een set gesynchroniseerde hogesnelheidscamera’s gemaakt. "Vliegende muggen filmen we bijvoorbeeld met drie camera’s die 12.500 beelden per seconde maken, dus een seconde aan videomateriaal bestaat al uit 37.500 beeldjes", zegt Muijres.
Het algoritme ontwikkelt een artificieel neuraal netwerk, een systeem dat is geïnspireerd door de structuur van onze hersenen
Muijres en zijn collega’s stoppen al deze beelden in een computer met een grote grafische kaart. Vervolgens leren ze het algoritme om bepaalde patronen te herkennen. "Voor een kleine subset aan beelden vertellen we de computer bijvoorbeeld waar de kop, staart, poten en vleugels van de mug zich bevinden. Gebaseerd hierop ontwikkelt het algoritme een artificieel neuraal netwerk, een systeem dat is geïnspireerd door de structuur van onze hersenen. Dat netwerk kan vervolgens de positie van de mug in 3D bepalen voor een willekeurige set video’s."
De onderzoekers zetten in op nieuwe tools die te gebruiken zijn voor verschillende diersoorten. "Het onderzoek naar gedrag en beweging van dieren wordt hiermee een stuk gemakkelijker en sneller. Uiteindelijk kunnen onderzoekers bijvoorbeeld in kaart brengen hoe muggen mensen kunnen vinden in het donker en hoe we dat zoekgedrag vervolgens kunnen verstoren. En veehouders kunnen de tools inzetten om dieren die mogelijk kreupelheid ontwikkelen in een vroeg stadium te identificeren en preventief te behandelen."