Fliegen-Insekt Erkennung und Klassifizierung mit preiswerten Sensoren
15. Oktober 2014
Wir haben vorgeschlagen, ein System, das preiswert, nicht-invasive Pseudo-akustisch-optische Sensoren verwendet, um automatisch und genau zu erfassen, zu zählen und zu klassifizieren fliegenden Insekten basierend auf ihren fliegenden Sound.
Das übergeordnete Ziel dieses Verfahrens ist es, fliegende Insekten anhand ihres Flügelschlaggeräuschs zu erkennen und zu identifizieren. Dies wird erreicht, indem zunächst ein pseudoakustischer Sensor verwendet wird, um den Schall in einer Experimentierkammer kontinuierlich aufzuzeichnen. Der zweite Schritt besteht darin, die Fluggeräusche der Insekten aus der Rohaufnahme automatisch zu erkennen.
Der letzte Schritt besteht darin, die erkannten Fluggeräusche automatisch zu klassifizieren, um die Insektenart und das Geschlecht zu identifizieren. Letztendlich werden Abbildungen und Tabellen verwendet, um die Genauigkeit der Klassifizierung zu zeigen. Der Hauptvorteil dieser Technik besteht darin, dass sie einfach und kostengünstig ist und so allgegenwärtig gemacht werden kann wie aktuelle Methoden wie Sticky Trips und Interbition Trips, aber mit digitalen Vorteilen wie höherer Genauigkeit und Echtzeitüberwachung.
Zu Beginn des Experiments züchten Sie Mückenlarven in Emaillepfannen unter normalen Laborbedingungen. Füttern Sie sie mit einer Mischung aus gemahlenem Nagetierfutter und Bierhefe im Verhältnis drei zu eins. Sammeln Sie als Nächstes Mückenpuppen in 200-Milliliter-Bechern oder sammeln Sie erwachsene Mücken und legen Sie sie in Versuchskammern.
Stellen Sie sicher, dass jede Versuchskammer 20 bis 40 Individuen der gleichen Art und des gleichen Geschlechts enthält. Essen Sie erwachsene Mücken, eine Mischung aus 10 % Saccharose und Wasser, und ersetzen Sie das Futter einmal pro Woche, feuchte und Baumwollhandtücher zweimal pro Woche und legen Sie sie auf die Versuchskammern, um die Luftfeuchtigkeit aufrechtzuerhalten. Halten Sie außerdem immer eine 200-Milliliter-Tasse Leitungswasser in der Kammer.
Halten Sie die Versuchskammern für die Dauer des Experiments in einem 16- bis achtstündigen Hell-Dunkel-Zyklus bei 20,5 bis 22 Grad Celsius und 30 bis 50 % Luftfeuchtigkeit. Schließen Sie die Experimentierkammer an eine Stromversorgung an und schalten Sie sie ein. Richten Sie die Laserlichter auf das Fotoarray aus, indem Sie die Magnete so einstellen, dass der Laser auf allen einzelnen Fotodioden zentriert ist.
Führen Sie als Nächstes zwei Plausibilitätsprüfungen durch, indem Sie zunächst sicherstellen, dass das System mit Strom versorgt ist und der Laser auf das Fotoarray zeigt. Schließen Sie dann den Lautsprecher an die Audiobuchse an, um zu überprüfen, ob die Ausrichtung des Lasers und des Fotoarrays in der Lage ist, Ton aufzunehmen. Tauchen Sie eine Hand in der Nähe des Endes der Laserquelle in den Käfig ein und wieder heraus.
Stellen Sie sicher, dass sich das Laserlicht auf der Hand befindet, und hören Sie, ob sich der Klang ändert. Wenn die Hand ein- und ausgeht, befestigen Sie eine Schnur an einer elektronischen Zahnbürste und schalten Sie die Zahnbürste ein. Stellen Sie sicher, dass das Laserlicht eingeschaltet ist.
Bewegen Sie dann die Saite in die Laserebene und hören Sie, ob sich der Klang verändert. Nachdem das System richtig eingerichtet ist, fügen Sie Insekten in den Käfig ein und schließen Sie den Deckel. Um mit der Datenerfassung zu beginnen, schalten Sie den Rekorder ein, erstellen Sie eine Sprachanmerkung, die die folgenden Informationen enthält, und halten Sie die Aufzeichnung an.
Schließen Sie anschließend den Rekorder an das System an und setzen Sie die Aufnahme drei Tage lang fort. Laden Sie die Daten vom Rekorder in einen neuen Ordner herunter und leeren Sie den Rekorder, indem Sie die Daten löschen. Wiederholen Sie den Aufzeichnungsvorgang, bis die verbleibenden Insekten abgestorben sind und sich nicht mehr als fünf Insekten im Käfig befinden.
Um die Daten zu verarbeiten, führen Sie die zirkadiane WBF-Erkennungssoftware für jeden Ordner aus, der Daten aus einer Aufzeichnungssitzung enthält, öffnen Sie MATLAB und geben Sie in das Befehlsfenster ein, um das MATLAB-Arbeitsverzeichnis in das Codeverzeichnis zu ändern und den Code circadian WBF auszuführen. Drücken Sie dann die Eingabetaste, um zu starten. Sobald der Algorithmus beendet ist, überprüfen Sie die Erkennungsergebnisse, die der Algorithmus in einem neuen Ordner ausgibt, der Klassifikator erreicht eine Genauigkeit von mehr als 96 %, wenn nicht mehr als fünf Insektenarten klassifiziert werden, wie in der Tabelle gezeigt, die die Klassifizierungsgenauigkeit anzeigt, die mit zunehmender Anzahl von Klassen erreicht wird.
Wenn die Anzahl der Klassen auf 10 steigt, ist die Genauigkeit nie niedriger als 79 %Dieses Tannin kann helfen, Krankheiten wie Material zu bekämpfen, indem es echte Informationen erzeugt, die zur effektiven Planung des Trennprogramms verwendet werden können. Es kann den Landwirten auch helfen, die Ausbreitung von Unfallschäden auf ihren Kulturen zu begrenzen, indem es die Schädlinge auf dem Feld überwacht.
Sehen Sie sich das vollständige Transkript an und erhalten Sie Zugang zu Tausenden wissenschaftlicher Videos
Übersicht
Diese Studie stellt ein System vor, das kostengünstige, nichtinvasive pseudoakustische optische Sensoren nutzt, um fliegende Insekten anhand ihrer Flügelschlaggeräusche zu erfassen, zu klassifizieren und zu zählen. Die Methode bietet eine digitale Alternative zu herkömmlichen Verfahren der Insektenüberwachung und liefert genauere Ergebnisse sowie Echtzeitdaten.
Wesentliche Studienkomponenten
Bereich der Wissenschaft
- Insektenüberwachung
- akustische Sensortechnologie
- Artklassifizierung
Hintergrund
- Traditionelle Methoden zur Insektenüberwachung umfassen Klebefallen und Interzeptionsfallen.
- Diese Methoden können in ihrer Genauigkeit und beim Echtzeit-Datenerfassung begrenzt sein.
- Fortschritte in der akustischen Sensortechnologie eröffnen neue Möglichkeiten für die Insektenerkennung.
- Das Verständnis von Insektenpopulationen ist entscheidend für ökologische Studien und das Schädlingsmanagement.
Zweck der Studie
- Entwicklung eines Systems zur automatischen Erfassung von Geräuschen fliegender Insekten.
- Klassifizierung der erfassten Geräusche zur Identifizierung von Insektenarten und -geschlechtern.
- Nachweis der Vorteile dieser Methode im Vergleich zu herkömmlichen Monitoring-Verfahren.
Verwendete Methoden
- Kontinuierliche Tonaufnahme mithilfe von pseudoakustischen Sensoren in einer Versuchskammer.
- Automatische Erkennung von Insektenfluglauten in Rohaudiodaten.
- Klassifizierung der erkannten Laute zur Bestimmung von Art und Geschlecht.
- Verwendung von Abbildungen und Tabellen zur Darstellung der Klassifikationsgenauigkeit.
Hauptergebnisse
- Das System erkannte und klassifizierte erfolgreich verschiedene fliegende Insektenarten.
- Die Ergebnisse zeigten eine höhere Genauigkeit im Vergleich zu herkömmlichen Methoden.
- Die Fähigkeit zur Echtzeitüberwachung wurde nachgewiesen.
- Die Methode ist kostengünstig und einfach zu implementieren.
Schlussfolgerungen
- Diese Studie stellt eine gangbare Alternative für die Insektenüberwachung dar.
- Das vorgeschlagene System verbessert die Genauigkeit und Effizienz bei der Erfassung fliegender Insekten.
- Zukünftige Anwendungen könnten zu verbesserten Strategien in der ökologischen Überwachung und Schädlingsbekämpfung führen.
Häufig gestellte Fragen
Ausschlaggebende Bedeutung für die Industrie
Diese Arbeit stellt ein kostengünstiges, nicht-invasives Sensorsystem zur Erfassung und Klassifizierung fliegender Insekten anhand von Flügelschlaggeräuschen vor und bietet eine skalierbare Alternative zu herkömmlichen entomologischen Überwachungsmethoden. Der Ansatz liefert genaue Echtzeitdaten, die Vektorüberwachungs- und Schädlingsbekämpfungsprogramme in der landwirtschaftlichen und medizinischen Entomologie unterstützen können. Durch die Möglichkeit einer kontinuierlichen Überwachung mit minimalem Infrastrukturaufwand verbessert das System die Vorhersagesicherheit bei der frühen Validierung von Zielorganismen für Maßnahmen zur Verringerung der Krankheitsübertragung oder Ernteverluste.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Wissenschaftlicher Wert: Ermöglicht die Untersuchung von Verhaltensphänotypen bei Insekten durch kontinuierliche, nichtinvasive Überwachung der Flügelschlagmuster.
- Operationaler Wert: Unterstützt die Hypothesenprüfung in der Vektorkontrollforschung, indem quantitative, arten- und geschlechtsspezifische Aktivitätsdaten bereitgestellt werden.
- Prädiktiver Wert: Erhöht die Zuverlässigkeit bei der Zielstrukturauswahl, indem die Insektenaktivität mit Umwelt- oder Interventionsvariablen korreliert wird.
Screening und Assay-Entwicklung
- Wissenschaftlicher Wert: Erzeugt robuste, reproduzierbare akustische Signaturmuster, die als phänotypische Messgrößen für die Insektenklassifizierung dienen.
- Operativer Wert: Standardisiert die Datenerfassung über verschiedene Versuchskammern hinweg und verringert so die Variabilität in Langzeitstudien.
- Skalierbarkeit: Ermöglicht die Hochdurchsatz-Überwachung großer Insektenkohorten über längere Zeiträume, wie in mehrtägigen Aufzeichnungen gezeigt.
Translationale und präklinische Forschung
- Translationale Kontinuität: Verbindet laborbasierte Studien zum Insektenverhalten mit feldtauglichen Überwachungswerkzeugen für Modelle von vektorübertragenen Krankheiten.
- Mechanistische Ent风险bewertung: Ermöglicht die Echtzeiteinschätzung der Wirkung von Interventionen auf Insektenpopulationen und unterstützt Go/No-Go-Entscheidungen in der präklinischen Entwicklung.
- Krankheitsrelevante Systemplattform: Bietet eine Plattform zur Bewertung der Vektorfähigkeit und des Wirtssuchverhaltens unter kontrollierten Bedingungen.
Pipeline- und Workflow-Integration
Die Methode fügt sich in den Entdeckungsprozess von der frühen Vektorbiologie bis zur präklinischen Bewertung von Kontrollstrategien ein, insbesondere dort, wo die Echtzeit-Überwachung auf Artniveau zum mechanistischen Verständnis und zur Beurteilung der Wirksamkeit von Interventionen beiträgt.
- Entdeckungsbiologie: Ermöglicht hypothesengetriebene Untersuchungen des Flugverhaltens, der circadianen Aktivität und der Reaktionen auf Reize bei Insekten.
- Screening: Liefert versuchstaugliche, quantitative Ausgabewerte (Flügelschlagfrequenz, Amplitudenmodulation), die sich für ein hochauflösendes phänotypische Screening eignen.
- Analytik: Ermöglicht statistische Vergleiche zwischen Insektenpopulationen unter verschiedenen Bedingungen anhand von Klassifizierungsgenauigkeit und Detektionsraten als zentrale Kenngrößen.
- Translationale Forschung: Unterstützt die Übertragung von Laborergebnissen in die Feldanwendung, indem Überwachungswerkzeuge validiert werden, die in endemischen Regionen eingesetzt werden können.
- Unternehmensweite Wiederverwendung: Stellt eine wiederverwendbare Sensorplattform dar, die an verschiedene Insektenarten und Umweltbedingungen angepasst werden kann.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Erhöht die Vorhersagesicherheit bei der Zielvalidierung, indem Mehrdeutigkeiten bei der Insekten-Phänotypisierung und beim Verhalten reduziert werden.
- Operativer Wert: Ermöglicht standardisierte, Echtzeit-Überwachung mit minimalem Verbrauchsmaterial und verringert damit den operativen Aufwand im Vergleich zu Klebe- oder Interzeptionsfallen.
- Strategischer Wert: Verbessert die Kapitalnutzungseffizienz, indem schnelle Iterationen in Screening-Kampagnen zur Vektorkontrolle durch sofortiges Feedback zu den Wirkungen von Interventionen ermöglicht werden.
- Portfolio-Wirkung: Unterstützt die risikoadjustierte Priorisierung von Kandidaten für die Vektorkontrolle, indem frühzeitige, messbare Biomarker der Populationsunterdrückung bereitgestellt werden.
Durchführungsaspekte
- Benötigt Fachkenntnisse in Bioakustik, Signalverarbeitung und der Entwicklung entomologischer Tests.
- Ist abhängig von stabiler optischer und akustischer Messtechnik, einschließlich Laser-Photodioden-Anordnungen und Umweltkontrollsystemen.
- Erfordert eine standardisierte Vorgehensweise zwischen verschiedenen Forschungsteams bei der Datenannotation, Artenverifikation und dem Training von Klassifizierungsmodellen.
- Kann bei der Übertragung auf verschiedene Modellsysteme eine Neukalibrierung der Sensorsensitivität und der Parameter zur Merkmalsextraktion notwendig machen.
- Zu den praktischen Einschränkungen gehören die Empfindlichkeit gegenüber Umgebungsgeräuschen und Umweltschwingungen, die die Erkennungsgenauigkeit in Feldanwendungen beeinträchtigen können.
