描述

我們的目標

該項目旨在回答有關處于脆弱狀態的本地動物物種的基本生物學問題。為此，我們設計和開發設備，進行現場監測，分析我們從活動中提取的數據，并將運動模型與獲得的數據相匹配。

關于我們

我們是一個由生物學家、物理學家和工程師組成的團隊，我們已經跨學科工作了 5 年，涉及不同的動物物種、不同的棲息地和挑戰。我們在阿根廷里奧內格羅的圣卡洛斯德巴里洛切的巴里洛切原子中心進行研究。

...我們是如何開始的？

五年前，我在吉列爾莫·艾布拉姆森博士的指導下開發動物運動的理論模型。在我博士的后半段，我和研究有必要從真正的動物監測開始。我們首先在其自然棲息地監測有袋動物Dromiciops gliroides 。鑒于這種動物生活在沒有 GPS 信號的森林中，它的重量約為 20 克（這極大地限制了可用的設備），而且它是一種夜行動物（必須進行監測），因此這項工作變得非常具有挑戰性。晚上出去）。我們開發了自己的天線來設置接收站，并將發射器放置在D. gliroides個體身上。

我們的項目繼續發展，許多生態團體找我們詢問我們是否可以開發任何可以適應他們環境的監測系統。我們開始開發自己的監控系統，包括 GPS、慣性傳感器（加速度計、陀螺儀和磁力計）和溫度傳感器。一方面，我們在監控系統的研發方面取得了進步，此外，我們還收到了 TinyML 套件，它也可以成為跟蹤系統。現在，有了 SenseCAP K1100，我們可以組建一個連接的設備網絡，同時監控動物。

如今...

使用這些監控系統（我們將在下一節中詳細介紹），我們可以獲得動物的軌跡。特別是，我們現在有興趣監測位于阿根廷里奧內格羅省圣安東尼奧奧斯特自然棲息地的烏龜Chelonoidis chilensis的種群。該物種處于脆弱狀態（IUCN 2014，并且對其生物學知之甚少。我們相信，通過研究系統跨學科（開發和實施跟蹤設備、分析數據和開發理論模型），我們可以更多地了解這個物種。了解動物如何移動、調查它們的軌跡、尋找它們的巢穴、研究它們的行為如何依賴于外部變量（例如溫度或風）是制定有助于保護它們的指導方針的關鍵。

監控系統

我們使用包含 GPS 和慣性傳感器的設備來監控動物的運動，并根據不同的變量（一天中的時間、天氣條件等）確定它們的活動。這些設備可能在技術和性能上有所不同，但必須足夠輕巧，以滿足每個生物系統的要求。這樣，可能性就降低了。我們將在下面介紹我們正在使用的 2 個監控系統。

• 我們團隊設計的跟蹤系統。該設備使用 CC1312R1F3RGZT 微控制器，包含 GPS、慣性傳感器、溫度傳感器和麥克風（參見“原理圖和電路圖”中的原理電路“使用 CC1312R1F3RGZT 微控制器的動物監控系統”）。我們包含用于該設備的 IMU 模塊發送和接收數據的代碼示例（請參閱“代碼”部分中的“發送/接收 IMU 數據的示例代碼”）。在本節中，我們還包括一個 Python 代碼“圖形用戶界面”，以交互方式顯示溫度和加速度計測量值。使用我們為此設備開發的第一個原型，. 有了這些結果，我們提交了手稿“通過互補技術監測易受傷害的龜龜Chelonoidis chilensis的運動研究”。

我們團隊開發的監控設備的三維視圖。該監控單元的尺寸為 63x48 毫米。

?

在下一次監測活動（2023 年 1 月）中，我們將使用該設備跟蹤個人并獲取新的運動數據。目前，數據存儲在內存中，因此在檢索內存之前我們不會獲取數據。我們的目標是采用遠程低功耗通信協議作為 LoRa，以便能夠實時查看動物行為。

• TinyML 套件 + Edge Impulse。我們的團隊是 TinyML 網絡的一部分。由于這一壯觀的舉措，我們收到了 10 個 TinyML 套件，其中包括包含 9 軸慣性測量單元 (IMU) 和溫度的 Nano 33 BLE Sense 等組件。結合 GPS、電池和內存，我們可以用作新的動物監測設備。使用足夠輕巧的監控設備以及數據分析和機器學習算法，可以在現場確定個人的行為。使用 TinyML 套件和 Edge Impulse 平臺，我們能夠訓練神經網絡對C. chilensis的行為進行分類個人。我們使用從該物種個體在其自然棲息地的 5 次監測活動中提取的加速度計時間序列。我們使用 Keras 設計了一個分類模型，首先區分運動和靜止。隨后，目標是區分不同類型的行為：進食、行走、交配、挖巢產卵等。此類研究的一個具體應用是找到雌性產下的卵并幫助保護它們：通過通過描述來自“挖巢產卵”活動的加速度計信號以及來自 GPS 的個人位置，我們可以識別這些沉積地點并保護雞蛋免受潛在威脅。

左：使用包括慣性傳感器的設備在其自然棲息地監測 C. chilensis 個體。該裝置被放置在外殼上，并使用偽裝膠帶固定以防止捕食。右圖：來自 x、y、z 加速度計的原始數據（上）、頻譜圖（中）、用于提取頻譜特征的頻域（下）。右邊的三張圖取自 Edge Impulse。

?

我們已經使用 Wio 終端和 Arduino 代碼測試了分類器（請參閱“代碼”部分中的“使用加速計訓練的 NN 的動物運動分類器”）以及圈養烏龜的運動。這樣，我們就可以實時確定分類結果，并通過藍牙在我們的手機上獲取結果（“Active”或“Inactive”）。由于 Wio 終端的重量和尺寸，我們將在現場使用 TinyML 套件。

加入 SenseCAP K1100 的好處！

在野外工作中，每個人都配備了一個使用偽裝膠帶防止捕食的裝置。到目前為止，數據都是在設備的內存被移除后獲取的。這個過程是戰役中最繁重和最耗時的任務，因為我們必須找到分布在相對較大的自然區域內植被粗糙的動物。重要的是，這樣做我們也會強烈干擾我們想要研究的自然行為。我們的目標是采用遠程低功耗通信協議作為 LoRa，以便能夠實時查看動物行為。

我們可以將 SenseCAP K1100 傳感器整合到兩個監控系統中：一個由我們的團隊開發，一個由 TinyML 套件實現。有了足夠多的 LoRa 設備，我們就可以創建一個連接它們的網絡。這將使我們能夠發送存儲的信息，而無需靠近個人，也無需觸摸已安裝的設備，這些設備經過精心偽裝和保護。LoRa 還帶來了擴展研究和實時監控多個個體或“節點”的可能性，例如檢測可能的集體行為。它還可用于從一個或多個監控/控制中心以非侵入方式更新設備設置和所有這些任務。

Nano 33 BLE 的示意圖連接，以實現具有遠程通信的完整跟蹤設備。這使得能夠構建實時監控的設備網絡。

?

SenseCAP K1100 套件還為我們尚未探索的傳感器融合開辟了新的視角，并解決了溫度、濕度和光線對陸龜行為的影響問題。更多地了解個人的活動以建立有助于保護他們的指導方針，這一點至關重要。利用 SenseCAP K1100 的優勢，在監測動物的同時，我們可以測量它們生活的自然棲息地的環境變量。例如，一種類型的烏龜庇護所由地下的洞穴組成。現在，我們可以測量這些地方的濕度。

除了在陸龜中實施外，我們的目標是在野外的其他動物物種中使用它，只要設備滿足尺寸和重量要求。例如，我們開始與研究小蜥蜴和小鳥行為的團體合作。

最后，重要的是要說我們真的很喜歡這個項目，還有很多工作要做。使用不同的技術為不同動物物種的監測做出貢獻對于更多地了解每種動物的生物學并為脆弱物種的保護制定指導方針非常有價值。