XiaoMi-AI文件搜索系统
World File Search System鸟类
降低威胁必须与有针对性的恢复计划相结合，以保护全球鸟类多样性
。cc-by-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经同行评审认证）提供的，他已授予Biorxiv的许可证，以在2025年1月13日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2025.01.09.632120 doi：Biorxiv Preprint
共 23 个标题：鸟类端脑和小脑体积...
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2024 年 12 月 18 日发布了此版本。；https://doi.org/10.1101/2024.12.04.626912 doi：bioRxiv 预印本
在公民科学中使用人工智能是否有助于志愿者的学习？鸟类学的一项实验研究
最古老、规模最大的生物多样性相关公民科学 (CS) 项目之一是康奈尔鸟类学实验室开发的 eBird (https://ebird.org/home)。它为观鸟者提供了一个移动应用程序，用于记录他们何时、何地以及如何看到或听到鸟类的清单。康奈尔实验室还开发了一款移动应用程序 Merlin，它使用深度卷积神经网络帮助用户从照片、声音（转换为声谱图）或描述中自动识别鸟类物种。这项研究调查了机器学习 (ML) 分类模型的使用如何影响新手观鸟者的学习。我们的参与者（没有鸟类学背景的计算机科学专业学生）被随机分成三组：一组使用 eBird 应用程序并自己识别鸟类物种；一组使用 Merlin 应用程序，它使用 ML 自动从照片或声音中识别鸟类；还有一个对照组。在参与项目之前和之后，对参与者的鸟类知识进行了测试，以了解使用 ML 分类模型如何影响他们的学习。我们还在后测后采访了选定的参与者，以了解他们做了什么以及结果可能由什么解释。我们的结果表明，即使是参与 CS 项目的新手参与者，即使时间很短，也会显著提高他们对附近熟悉鸟类的知识水平，并且 eBird 用户在知识后测中的表现优于 Merlin 用户。虽然人工智能可能会提高志愿者的生产力和保留率，但也有可能降低他们的学习效率。需要对不同的参与者资料和项目设计进行进一步研究，以了解如何在人工智能辅助的 CS 项目中优化志愿者的生产力、保留率和学习。
城市化推动了中国鸟类社区的生物均质化
城市化驱动的生物均质化已在本地和全球范围的各种生态系统中记录下来。但是，在发展中国家，它在很大程度上没有探索。关于不同分类单元和生物区域的实证研究表明结果颇具（即生物均质化与生物分化）；因此，社区组成在响应人为障碍以及控制这一过程的因素的响应程度需要阐明。在这里，我们使用了中国760种鸟类的编译数据库来量化自然和城市组合之间的成对β多样性的多个位点β多样性和距离衰减，以评估城市化的生物质量。我们使用广义差异模型（GDM）来阐明城市化前后的空间和环境因素在鸟类社区差异中的作用。城市组合中的多个位点β多样性明显低于天然组合中的多种多样性，并且天然组合中成对相似性的距离衰减更快。这些结果在分类学，系统发育和功能方面是一致的，支持了由URBANIPAIND驱动的一般生物均质化。GDM结果表明地理距离和温度是鸟类社区差异的主要预测指标。但是，地理距离和气候因素在解释城市组合中的组成差异时的贡献减少。与自然组合相比，城市组成差异的变化要低得多，地理和环境距离的地理和环境距离要比自然组合的差异要低得多，这意味着在进一步的气候变化和人为的干扰下，模型预测的不确定性可能存在潜在的风险。我们的研究得出结论，分类，系统发育和功能维度阐明了中国城市化驱动的生物均质化。
鸟类眼睛视图语义分割
对环绕声的语义的空间理解是自动驾驶汽车需要安全驾驶决策所需的关键能力。最近，纯粹基于视觉的解决方案已增强了研究的兴趣。在特定的方法中，从多个摄像机中提取鸟类视图（BEV）的方法表现出了很好的空间理解性能。本文介绍了学习的位置编码的依赖性，以将基于变压器的甲基化的图像和BEV特征映射元素关联。我们提出利用外两极的几何约束，以模拟相机注意场与BEV之间的关系。它们被纳入注意机制中，作为一种新的归因术语，是学习位置编码的替代方案。实验表明，与隐式学习摄像机配置相比，我们的方法的大鹰队以2％MIOU的方式优于2％MIOU的BEV方法，并且具有出色的概括能力。
宠物/鸟类/珍稀物种 D/LUX/AT
我在此接受 IDEXX 的一般条款和条件 (GTC)，当前版本 www.idexx.de，并指示 IDEXX GmbH 将所要求的测试交由 Vet Med Labor GmbH 作为分包商按照当前价格表和 GTC 进行。动物主人计费：通过填写动物主人信息并签字，我确认：a) 我根据一般条款和条件将我对上述动物主人所要求的测试费用的索赔转让给 IDEXX GmbH，如果动物主人不付款，我有责任向 IDEXX GmbH 支付费用；b) 我已将有关动物主人计费的 IDEXX 一般条款和条件告知动物主人。个人数据保护对 IDEXX GmbH 和 Vet Med Labor GmbH 非常重要，我们的隐私协议可在 https://www.idexx.com/privacy 查看。客户（兽医）的日期和签名：
鸟类肺Mycobiome：肺摄入群落的系统发育和生态驱动因素及其潜在病原体
脊椎动物肺部包含多种微生物群落，但鲜为人知的是社区组成或其对健康的后果的原因。肺微生物组组装，例如分散，协同进化和宿主开关。然而，肺微生物组的比较调查很少，特别是对于真菌成分，是mycobiome。区分真菌分类群是通才或专业共生体，潜在的病原体或偶然吸入的孢子，这是迫切的，因为有很高的新兴疾病潜力。在这里，我们提供了禽肺菌落体的第一个特征，并测试了环境，系统发育和功能性状的相对影响。我们使用了195个肺样本中的元法编码和培养，代表20个家庭中的32种鸟类。我们确定了532个真菌分类群（Zotus），其中包括许多机会病原体。这些主要由门comycota（79％）组成，其次是basidiomycota（16％）和粘膜瘤（5％）。酵母和类似酵母菌的类群（Malassezia，Filobasidium，saccharomyces，Meyerozyma和Aureobasidium）和丝状真菌（cladosporium，cladosporium，externaria，neurospora，fusarium和spergillus）很丰富。肺Mycobiomes受环境暴露的强烈影响，并通过宿主身份，性状和系统发育亲和力进一步调节。我们的结果暗示了迁移性鸟类作为机会性致病真菌的长距离传播的潜在向量。
用于融合成像的鸟类宽带神经形态视觉传感器阵列
随着人工智能的发展，可穿戴视觉仿生设备正在取得显著进步。然而，传统的硅视觉芯片往往面临着高能量损失和模拟复杂生物行为的挑战。在本研究中，我们通过精心引导有机分子的排列，构建了范德华 P3HT/GaAs 纳米线 PN 结。结合肖特基结，这实现了多方面的类似鸟类的视觉增强，包括宽带非易失性存储、低光感知和接近零功耗的工作模式，无论是在单个设备和任意基板上的 5×5 阵列中。具体来说，我们实现了超过 5 位的内存传感和计算，具有负和正光电导性。当与两种成像模式（可见光和紫外线）结合时，我们的储层计算系统对颜色识别的准确率高达 94%。它实现了运动和紫外线灰度信息提取（显示防晒霜），从而实现融合视觉成像。这项工作为宽带、高度仿生的光电神经形态系统提供了有前景的材料和器件的联合设计。
无人机在评估沿东大西洋飞行的鸟类数量
摘要：本报告源自欧盟委员会的结构改革支持计划资助的一个名为“沿东大西洋飞行的候鸟监测的创新”项目。传统的监测育种和分期水鸟的方法面临着挑战，例如与使用人类观察者相关的计数精确性的干扰风险和不确定性，这促使人们开发了基于无人机的远程远程方法来计数和绘制水鸟。本报告从尝试使用无人机在年周期中不同点监视一系列水鸟的尝试进行了汇编。现在很明显，在监测菌落中的物种繁殖时，无人机非常有用，例如spoonbills，海鸥和燕鸥。正在进行的研究仍在探索基于无人机的繁殖水鸟类和非殖民地物种的基于无人机的监测。通过无人机监测繁殖季节以外的水鸟，由于它们在景观中的分布更广泛。一些潮间带的饲料也对接近无人机高度敏感，尤其是在高潮时栖息时。在低潮时监测鸟类觅食的鸟类和泥浆上的经验有限。需要进一步的研究来确定无人机在繁殖季节和外部和外部监测水鸟的质量的确切情况。