May, 2024

田间捕蚊器中蚊卵的自动计数和分类

PDF
TL;DR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。
field trapssterile insect techniqueautomatic trap surveymicroscopemask-rcnn neural network
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

  • 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

  • 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

    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。

    Jan, 2024

  • 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

  • 昆虫分类的低成本机器视觉

    在环境可持续性领域，保护昆虫的数量和多样性是我们社会最重要的目标之一。本研究提出了一种图像方法作为多传感器系统的一部分，该系统是适应传统捕捉器类型的低成本、可扩展、开源系统。研究结果证明，重新训练后的标准 CNN 架构（如 ResNet50 和 MobileNet）在昆虫分类预测任务中表现非常出色，达到了超过 96％的分类准确率。此外，证明了昆虫图像裁剪对于具有高间类相似性的物种分类是必要的。

    Apr, 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

  • 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

  • 基于光电相机的夜间昆虫自动视觉监测

    自动相机协助监测昆虫数量是理解和对抗昆虫减少的关键，本文介绍了两个在中欧拍摄的夜间昆虫数据集，强调了特别是鳞翅目的飞蛾。研究利用这些数据集开发和评估了一个昆虫检测和飞蛾种类分类的工具，并且提出了一个用于自动化视觉监测的原型系统。该论文同时为这些数据集提供了第一批检测和分类的基线，并鼓励其他科学家使用这些公开可用的数据。

    Jul, 2023

  • 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

  • 一种轻量级卷积神经网络及自适应解码器用于血吸虫卵检测

    该研究利用轻量级卷积神经网络进行血吸虫病诊断，该模型层次学习关注区域并选择代表性卷积，通过自动定义卷积权重适应各种图像，实验表明该模型性能高于三种常规模型，可适用于实验室常规检测，每秒处理约四张图像。

    Jun, 2023