Le package rblt R-bio-logging-toolbox est une application R-shiny de visualisation des données accéléros des bio-loggers AXYTREK, CATS, et des bio-loggers LUL et WACU, fabriqués par le service MIBE de l’IPHC
Il est possible d’associé à ces données la vision des comportements des animaux enregistrés depuis le logiciel BORIS http://www.boris.unito.it/
Biologging Accelerometer, Gyroscope, Magnetometer, Temperature, Pressure, Light intensity, Data visualization, GPS, biologger, movement ecology, Animal Tracking Trajectory Analysis
Estimation of the Maternal Investment of Sea Turtles by Automatic Identification of Nesting Behavior and Number of Eggs Laid from a Tri-Axial Accelerometer by Lorène Jeantet, Vadym Hadetskyi, Vincent Vigon, François Korysko, Nicolas Paranthoen, Damien Chevallier
Published:20 February 2022, https://www.mdpi.com/2076-2615/12/4/520/htm
Thèse : Identification automatique des comportements à partir de bio-loggers, une solution pour améliorer les connaissances sur l’écologie des tortues marines Lorène JEANTET, le 17/12/2021 Jury: CHEVALLIER Damien (CNRS Borea), GASPAR Philippe (Mercator-Océan Toulouse), LIGNOT Jehan-Hervé (Université Montpellier), LE BOHEC Céline (CNRS Strasbourg), CHARASSIN Jean Benoît (Université Paris), JEANNIARD DU DOT Tiphaine (Université La Rochelle)
Fully Convolutional Neural Network: A solution to infer animal behaviours from multi-sensor data
Lorène Jeantet, Vincent Vigon, Sébastien Geiger, Damien Chevallier
Published:15 June 2021, https://doi.org/10.1016/j.ecolmodel.2021.109555
Behavioural inference from signal processing using animal-borne multi-sensor loggers: a novel solution to extend the knowledge of sea turtle ecology
Lorène Jeantet, Víctor Planas-Bielsa, Simon Benhamou, Sebastien Geiger, Jordan Martin, Flora Siegwalt, Pierre Lelong, Julie Gresser, Denis Etienne, Gaëlle Hiélard, Alexandre Arqué, Sidney Régis, Nicolas Lecerf, Cédric Frouin, Abdelwahab Benhalilou, Céline Murgale, Thomas Maillet, Lucas Andreani, Guilhem Campistron, Hélène Delvaux, Christelle Guyon, Sandrine Richard, Fabien Lefebvre, Nathalie Aubert, Caroline Habold, Yvon Le Maho, Damien Chevallier
Published:13 May 2020, https://royalsocietypublishing.org/doi/10.1098/rsos.200139
2 versions sont disponibles
Version stable en cours de soumission a CRAN
install.packages(rblt)Version de développement accessible depuis github.
install.packages("devtools")
devtools::install_github("sg4r/rblt")Visualisation des métrics depuis un Bio-loggers CATS, AXYTREK, LUL et WACU. Les données sont simulées pour avoir un apercus des fonctions de visualisations.
library(rblt)
rblt::demo_gui()Créer un objet de la classe LoggerList qui va contenir la listes des fichiers de données a visualiser. Puis créer une vue avec l’object de la classe LoggerUI qui affichera les différentes données.
library(rblt)
cdemo10k="~/rtoolbox/democats-10k.h5"
l=LoggerList$new()
l$add(LoggerCats$new("~/rtoolbox/CC-07-48_14-02-2017_1.h5",filebehavior="~/rtoolbox/CC-07-48_14-02-2018.txt"))
l$add(LoggerCats$new("~/rtoolbox/CC-07-48_15-02-2017_1.h5"))
l$add(LoggerCats$new(cdemo10k))
lui=LoggerUI$new(l)
lui$gui()Différents exemples d’utilisation avancée
chaque type de Logger a des metrics par defaut. il est possible d’afficher la liste de metrics avec le commande metriclst draw
lg=LoggerCats$new(cdemo10k)
lg$metriclst$draw()Par défaut tous les métrics du type de Bio-loggers sont affichés. Il est possible de limiter les métrics afficher en définissant le vecteur ‘metricshow’ lors de l’initialisation d’un bio-logger Utiliser T pour afficher le métric, et F pour le cacher
ll=LoggerList$new()
ll$add(LoggerCats$new("~/rtoolbox/democats2h5.h5",metricshow=c(T,F,T,F,F,F)))
#affichage des informations
ui=LoggerUI$new(ll)
ui$gui()Il est possible de redéfinir l’ordre affichage des metrics, sous reserve d’avoir bien indiqué les bons parramétres. Pour cela il est nécéssaire de redéfinir la liste de metrics a afficher et leur ordre. Lorsque le boolean ‘beobs’ est définit a ‘TRUE’ les comportements sont affichés pour ce metric.
lg=LoggerCats$new(cdemo10k,filebehavior=cdemo10kbe)
lg$metriclst$draw()
lm=MetricList$new()
lm$add(Metric("Gyroscope",4,3,beobs=TRUE))
lm$add(Metric("Magnetometer",7,3))
lm$add(Metric("Accelerometer",1,3,beobs=TRUE))
lg$metriclst=lm
ll=LoggerList$new()
ll$add(lg)
#affichage des informations
ui=LoggerUI$new(ll)
ui$gui()Utiliser getdata() pour avoir une copie de la matrice des données
lg=LoggerCats$new(cdemo10k)
lm=lg$getdata()
head(lm)réccuperer les données, puis réaliser divers calcul sur la matrice. Il est possible de visualiser les nouveaux metrics en rajoutant les resultat via la fonction ‘Pour rajouter le résultat via ’setextmatrix’, puis en ajoutant les informations concernant les metrics via la fonction ‘metriclst$add’ Exemple pour calculer la moyenne mobile avec un LoggerCats
library(caTools)
lg=LoggerCats$new(cdemo10k)
lm=lg$getdata()
lt=lm[,"l"]
ltrm5=runmean(lt, 5)
ltrm10=runmean(lt, 10)
ltrm20=runmean(lt, 20)
extm=cbind(lt,ltrm5,ltrm10,ltrm20)
lg$setextmatrix(extm)
lg$metriclst$add(Metric(name="RunMeanLight",colid=1,colnb=4,srcin=FALSE))
#creation de la liste des logger a afficher
ll=LoggerList$new()
ll$add(lg)
#affichage des informations
ui=LoggerUI$new(ll)
ui$gui()A partir de la version 0.4, il est possible d’enregistrer une selection des metrics dans un fichier de donné. Les métrics calculés peuvent également être inclus dans la selection.
#utiliser l'exemple précédant pour calculer la moyenne mobile
metricshow=c(F,F,F,T,F,F,T)
lg$metriclst$slctset(metricshow)
ldata="~/rtoolbox/ldata.h5"
lg$saveasloggerdata(ldata)Pour relire les donner enregistrer depuis la fonction ‘saveasloggerdata’ il est nécéssaire d’utiliser le Logger type ‘LoggerData’. Le ‘LoggerData’ est une structure permettant de stocker plusieurs metrics dans un même fichier de donné.
ll=LoggerList$new()
ll$add(LoggerData$new(ldata))
#affichage des informations
ui=LoggerUI$new(ll)
ui$gui()Le package ‘rblt’ permet de générer les fichiers données depuis les fichiers brute. Dans la mesure où les différents bio-logger n’utilisent pas le même format de données, il est nécessaire de convertir les données au format utilisé par la librairie ‘rblt’.
Convertissez les résultats de vos données au format csv avec la fonction rblt::cats2h5
filecatscsv="~/rtoolbox/20180216-004210-CC-07-48_15-02-2017_1.csv"
filecatsh5="~/rtoolbox/CC-07-48_15-02-2017_1.h5"
rblt::cats2h5(filecatscsv,50,filecatsh5)
[1] "in: ~/rtoolbox/20180216-004210-CC-07-48_15-02-2017_1.csv"
[1] "out: ~/rtoolbox/CC-07-48_15-02-2017_1.h5"
[1] "nbrow: 17099"
filecatscsv="~/rtoolbox/20180214-222647-CC-07-48_14-02-2017_1.csv"
filecatsh5="~/rtoolbox/CC-07-48_14-02-2017_1.h5"
rblt::cats2h5(filecatscsv,50,filecatsh5)
[1] "in: ~/rtoolbox/20180214-222647-CC-07-48_14-02-2017_1.csv"
[1] "out: ~/rtoolbox/CC-07-48_14-02-2017_1.h5"
[1] "nbrow: 5868"Convertissez les résultats de vos données du format csv avec la fonction rblt::axytrek2h5
atreks1="~/rtoolbox/axytrec-s1.h5"
rblt::axytrek2h5("~/rtoolbox/AXYTREK2_S1.csv",25,atreks1)
[1] "in: ~/rtoolbox/AXYTREK2_S1.csv"
[1] "out: ~/rtoolbox/axytrec-s1.h5"
[1] "nbrow: 670051"
atreks2="~/rtoolbox/axytrec-s2.h5"
rblt::axytrek2h5("~/rtoolbox/AXYTREK5_S1.csv",25,atreks2)
[1] "in: ~/rtoolbox/AXYTREK5_S1.csv"
[1] "out: ~/rtoolbox/axytrec-s2.h5"
[1] "nbrow: 2234282"Convertissez les résultats de vos données du format csv avec la fonction rblt::lul2h5
# a completerConvertissez les résultats de vos données au format csv avec la fonction rblt::wacu2h5dt Pour ajouter les informations accelero, il est nécéssaire d’utiliser l’utilitaire en C++ wacu2csv
w134="~/rtoolbox/wacu134.h5"
wacu2h5("~/rtoolbox/wacu134_TRDDU_cc.txt",w134)
# voir wacu2csv pour la concersion des données accéléros en csv, puis
wacu2hacc("~/rtoolbox/wacu134_TRDDU_cc_ACC.csv",w134)Lors de la conversion des données des fichiers CATS ou AXYTREK il est nécessaire d’indiquer pour le moment dans la variable ‘accres’ la fréquence d’échantillonnage utilisée lors de l’acquisition. voir les fonction rblt::axytrek2h5 ou rblt::cats2h5