Исследователи развили компьютерный алгоритм, который может идентифицировать некоторые виды растений согласно их уникальному эху гидролокатора. Эксперименты предназначались, чтобы помочь биологам понять, как летучие мыши находят свои любимые фрукты или насекомых, но исследование могло бы также помочь инженерам проектировать быстродействующие системы для идентификации всего от виджетов на ленточных конвейерах к лицам в толпах.
Летучие мыши могли бы быть юридически слепыми, но они могут полететь прямо к желаемому плодовому дереву, даже один рост среди плотной листвы. Они делают настолько использующий процесс, названный эхолокацией, в которой они отсылают серию щебетов и затем слушают очень тщательно эхо возвращения. Вдохновленный этой способностью, исследователи в Тюбингене, Германия, решили видеть, могли ли бы они изобрести искусственную систему, которая выполнила бы ту же задачу.Во-первых, бригада разработала наборы данных, названные спектрограммами живыми сигналами гидролокатора от пяти видов растений, включая кустарники терновника и ели.
Исследователи тогда охарактеризовали время отклика эха и частоту получающихся звуковых образцов отражения, изменившихся согласно числу и размеру отделений и листьев на каждом растении. Получающаяся компьютерная программа, говорят биофизик и ведущий исследователь Йосси Йовель из университета Тюбингена, мог отличить подобные растения с «удивительно высокой точностью». В конечном счете бригада смогла добиться успеха на почти 100% в идентификации всех пяти видов растений, используемых на испытаниях, как сообщается сегодня в PLoS Вычислительная Биология.
Результаты будут ценны не только в понимании, как летучие мыши обнаруживают с помощью эхолокации, говорит Йовель, но они должны помочь людям также. Подавляющее большинство алгоритмов дистанционного обследования основывается на видении, он говорит, поэтому если алгоритм гидролокатора может быть усовершенствован, одно из его преимуществ будет способностью функционировать при слабом освещении или темнота. (Инфракрасный не может поставить тот же градус резолюции.), Который мог быть полезным в выбирании подозреваемого преступления, идущего по темной городской улице или скрывающегося среди толпы на затемненной платформе общественного транспорта.Исследование, могло оказаться, было «основным», говорит вычислительный биолог Сорин Истрайь из Университета Брауна. Идея, что простой алгоритм мог обеспечить способ извлечь значащую модель для летучей мыши echonavigation через окружающие среды дерева, «замечательна», он говорит и мог следовать впереди к практическим трансгрессиям в изучающей машину области.
И нейроэтолог Стивен Фелпс из университета Флориды, Гейнсвилла, говорит, что исследование подтверждает, что тонкие различия в качествах эха достаточно для летучей мыши для сообщения ели от березы. «Когда мы говорим яблоки и апельсины, мы обычно предполагаем, что различия очевидны», говорит он, но «Я не могу предположить иметь необходимость прислушаться к ним».