利用U-Net型卷积网络从加速度计数据检测觅食行为
应用统计
2021-01-07 v1 定量方法
摘要
独角鲸由于栖息于北极地区孤立环境中，是最神秘的海洋哺乳动物之一。标记是一种有潜力探索该物种活动的技术，可从携带仪器的个体收集行为信息。这包括加速度计数据、潜水与声学数据以及GPS定位。理解齿鲸生态角色的一个关键要素是刻画其摄食行为并估算食物消耗量。嗡鸣声是齿鲸发出的与其觅食行为直接相关的声音。因此，测量或估算嗡鸣率以估计猎物摄入量是令人关注的。本文的主要目标是找到一种直接从加速度计数据检测猎物捕获尝试的方法，从而能够在无需更苛刻的声学数据情况下估算食物消耗。我们仅基于加速度计和深度数据开发了3种自动化嗡鸣检测法。我们使用2018年在东格陵兰标记的5头独角鲸的数据集，以声学数据检测到的嗡鸣作为真值，训练、验证和测试了逻辑回归模型及随机森林和深度学习机器学习算法。深度学习方法在测试方法中表现最佳。我们得出结论，可靠的嗡鸣检测器可由高频采样、背载加速度计标记得出，从而为自然环境中海洋哺乳动物觅食生态研究提供替代工具。我们还比较了嗡鸣检测与其他海洋哺乳动物中用于估计猎物捕获的某些运动模式(如加速度突变(急动))。我们发现独角鲸觅食时似乎不产生大幅急动，并得出结论：其在此方面的狩猎模式不同于其他海洋哺乳动物。
引用
@article{arxiv.2101.01992,
title = {Detection of foraging behavior from accelerometer data using U-Net type convolutional networks},
author = {Manh Cuong Ngô and Raghavendra Selvan and Outi Tervo and Mads Peter Heide-Jørgensen and Susanne Ditlevsen},
journal= {arXiv preprint arXiv:2101.01992},
year = {2021}
}