Jan, 2024

MosquIoT: 一种基于物联网和机器学习的 Aedes aegypti（双翅目：蚊科）监测系统

PDF
TL;DR设计、开发和测试了一种名为 MosquIoT 的创新系统，该系统基于传统的卵捕器，嵌入了物联网和微型机器学习技术，能够检测和量化埃及伊蚊的卵，并帮助实现从当前的反应性昆虫学监测模式到主动性和预测性数字模式的转变。
mosquito-borne diseasesaedes aegyptientomological surveillancedigital transformationmosquiot
发现论文，激发创造
  • 使用神经网络进行埃及伊蚊卵计数的目标检测

    本研究提出了一个新的数据集，其中包括野外和实验室的蚊子卵以及三个应用于该任务的神经网络（Faster R-CNN，Side-Aware Boundary Localization 和 FoveaBox）的测试结果，用于自动化计数蚊子卵的任务。

    Mar, 2024

  • YOLOv7 用于蚊虫繁殖地检测和跟踪

    应对气候变化带来的威胁，利用遥感技术和 YOLOv7 识别昆虫繁殖地点，对防止登革热等热带病的传播具有潜在的全球影响力。

    Oct, 2023

  • 基于卷积神经网络的伊蚊物种识别 Android 应用 mAedesID

    这篇论文介绍了一款名为 mAedesID 的基于深度学习卷积神经网络的 Android 应用，用于识别传播登革热的病媒蚊 Aedes 种类，旨在帮助社区更好地控制蚊虫数量并减少病媒传播可能性。

    May, 2023

  • 利用神经突触分析自动检测埃及伊蚊中的寨卡病毒和登革热

    本研究提出了一种基于人工智能的方法来对埃及伊蚊的神经尖峰进行分类，通过归一化、特征重要性和降维等预处理方法，结合卷积神经网络和额外的梯度提升树算法 (XGBoost) 来分类，该方法表现出优秀的性能，并在区分感染与未感染蚊子样本方面优于其他机器学习算法的性能，可以协助破解病原体和蚊子之间复杂的相互作用。

    Dec, 2023

  • 利用智能手机应用和残余卷积神经网络识别埃及伊蚊声音

    本文提出智能手机应用程序是便宜易部署的解决方案，用于提高人们对埃及伊蚊大量繁殖的认识，并提出了一个可用于检测和跟踪 Ae. aegypti 蚊子的卷积神经网络算法，并提供了一个基于翅拍声音记录的数据集。

    Jun, 2023

  • 蚊子价值 16x16 个幼虫：深度学习架构在蚊子幼虫分类中的应用评价

    本研究介绍了视觉变换器在 Aedes 和 Culex 幼虫图像分类中的应用，并比较了两个 ViT 模型、两个 CNN 模型的效果，最终发现 ConvNeXT 对于蚊虫幼虫分类非常有效，未来的研究方向包括将 CNN 和 Transformer 架构相结合创建专门用于蚊虫幼虫分类的模型。

    Sep, 2022

  • 自动昆虫监测的机器学习流程

    通过相机陷阱监测昆虫，包括目标检测、飞蛾和非飞蛾的分类、详细识别昆虫物种和个体跟踪，为昆虫学提供了可扩展的数据采集工具。

    Jun, 2024

  • 基于人工智能技术的雌蚊检测，用于无菌昆虫技术计划中的释放容器内

    本研究提出了一种通过声音检测异育交蚊容器中雌蚊的方法，以在无人监视的情况下进行艾德斯蚊进行无菌雄性释放计划

    Jun, 2023

  • 多传感器数据融合用于自动化昆虫监测 (KInsecta)

    通过多传感器、基于人工智能的数据融合方法，本文提出了一种低成本配置的昆虫分类系统，可用于系统性监测昆虫种群、支持生物多样性与农业研究。

    Apr, 2024

  • 田间捕蚊器中蚊卵的自动计数和分类

    这篇论文介绍了一种自动陷阱调查方法，通过设计的装置对蛾子产卵地进行自动扫描，然后利用 Mask-RCNN 神经网络对图像进行分割和分类来分析鸟蛋是否孵化。

    May, 2024