Detección de comportamiento reproductivo en machos de codorniz japonesa utilizando aprendizaje automático

Abstract

Introducción. Los acelerómetros triaxiales colocados sobre un animal pueden medir las aceleraciones tridimensionales asociadas con los movimientos del cuerpo a lo largo del tiempo. Cuando esto es combinado con aprendizaje automático (“machine learning”) y técnicas de procesamiento de datos, esta metodología tiene el potencial de clasificar los datos de aceleración registrados en categorías de comportamiento. En este trabajo, proponemos un sistema que implemente el uso de un acelerómetro sujeto a codornices japonesas macho como un método útil para la detección automática del comportamiento reproductivo masculino dentro de grupos sociales.Materiales y MétodosSe alojaron parejas (macho y hembra) de Coturnix japonica adultos en cajas, con suelo de viruta, comida y agua ad libitum. Una semana antes del inicio del experimento, se le colocó al macho un arnés tipo mochila (Fig. 1A) sujeta por debajo de las alas con tiras elásticas. El día de la prueba se introdujo el acelerómetro dentro del arnés con un dispositivo especializado. Luego se filmó el comportamiento de la pareja (Fig. 1B) durante un periodo de por lo menos 6 horas. Se registraron a partir de la filmación eventos de comportamientos reproductivos (Fig. 1C, línea azul), los cuales fueron utilizados para el entrenamiento y validación del algoritmo de clasificación no supervisado, específicamente una red neuronal Long-Short Time Memory. Resultados y Discusión. Figura 1: Ejemplo de la metodología asociada al uso del acelerómetro para la detección automática de comportamiento reproductivo. A) Imagen de un macho en la caja, mostrando los ejes x, y, z de aceleración. B) Imagen de una monta captada por la cámara lateral. C) Registro del acelerómetro, desglosado en los vectores x, y, z (líneas rojas) superpuesto los registros a partir de los video grabaciones los eventos de comportamientos reproductivos (línea azul), donde 0 representa eventos no reproductivos y 1 eventos reproductivos.El comportamiento reproductivo se observó en el vector de aceleración, en particular en el eje z, como una fluctuación de alta frecuencia y alta amplitud relativa (Fig. 1C, línea roja). Para poder distinguirlo de otros comportamientos bruscos como una sacudida, se implementó una red neuronal tipo Long-Short Time Memory. La red logró detectar de manera automática todos los eventos reproductivos realizados (Fig. 1C, línea azul). Conclusiones. La combinación de sensores como acelerómetros, y algoritmos de aprendizaje automático permiten el monitoreo a distancia y detección automática del comportamiento reproductivo en machos. Esta herramienta no sólo permitiría llevar adelante un registro sencillo, no invasivo de la conducta reproductiva, sino también podría ser utilizado como un indicador del bienestar animal en planteles de aves reproductoras. Agradecemos la colaboración de Pablo Prokopiuk y María Julieta Ortiz por su ayuda en el cuidado y mantenimiento de los animales. Este trabajo fue financiado con subsidios del Fondo para la Investigación Científica y Tecnológica (FONCyT), PICT-2016-0282 y PICT-2018-01262, y la Secretaría de Ciencia y Tecnología, Universidad Nacional de Córdoba (SeCyT, UNC).