Nous avons proposé un système qui utilise des capteurs de pseudo-acoustique non invasives peu coûteuses optiques pour détecter automatiquement et avec précision, compter, et classer les insectes en fonction de leur son volant volant.
Un système non invasif peu coûteux qui pourrait classer avec précision les insectes volants aurait des implications importantes pour la recherche entomologique, et permettre le développement de nombreuses applications utiles dans le vecteur et la lutte antiparasitaire à la fois pour l'entomologie médicale et agricole. Compte tenu de cela, les soixante dernières années ont vu de nombreux efforts de recherche consacrés à cette tâche. À ce jour, cependant, aucun de ces recherches ont eu un impact durable. Dans ce travail, nous montrons que les capteurs optiques pseudo-acoustique peuvent produire des données de qualité supérieure; que des fonctionnalités supplémentaires, à la fois intrinsèque et extrinsèque au comportement de vol de l'insecte, peut être exploitée pour améliorer la classification des insectes; une approche de classification bayésienne permet d'apprendre efficacement des modèles de classification qui sont très robustes au sur-apprentissage, et un cadre de classification générale permet d'intégrer facilement un nombre arbitraire de fonctionnalités. Nous démontrons des résultats avec des expériences à grande échelle qui éclipsent tous les travaux antérieurs CombiNed, tel que mesuré par le nombre d'insectes et le nombre d'espèces considérées.
L'idée de classer automatiquement les insectes en utilisant le son accessoire de leur vol remonte aux premiers jours de l'informatique et de l'équipement d'enregistrement audio disponible dans le commerce 1. Cependant, peu de progrès ont été réalisés sur ce problème dans les décennies suivantes. L'absence de progrès dans cette poursuite peut être attribuée à plusieurs facteurs connexes.
Tout d'abord, le manque de capteurs efficaces a fait la collecte de données difficile. La plupart des efforts de collecte de données ont utilisé des micros acoustiques 2-5. De tels dispositifs sont extrêmement sensibles du bruit du vent et le bruit ambiant dans l'environnement, résultant en données très rares et de faible qualité.
Deuxièmement, ce qui aggrave ces problèmes de qualité des données est le fait que de nombreux chercheurs ont tenté d'apprendre des modèles de classification très complexes, en particulier les réseaux de neurones 6-8. Essayer d'apprendre des modèles de classification complexes, avec de simples dizaines d'exemples,est une recette pour plus de raccord.
Troisièmement, la difficulté de l'obtention des données a fait que de nombreux chercheurs ont tenté de construire des modèles de classification des données très limitées, aussi peu que 300 cas de 9 ou moins. Cependant, il est connu que pour la construction de modèles de classification précis, plus les données sont mieux 10 à 13.
Ce travail aborde les trois questions. Optiques (plutôt que acoustique) capteurs peuvent être utilisés pour enregistrer le "son" de vol de l'insecte de mètres, avec invariance complète du bruit du vent et les bruits ambiants. Ces capteurs ont permis l'enregistrement de millions de cas de formation labellisés, beaucoup plus de données que tous les efforts précédents combinés, et d'éviter ainsi les efforts de recherche antérieurs sur-apprentissage qui sévit. Une méthode fondée sur des principes est illustré ci-dessous qui permet l'incorporation de l'information supplémentaire dans le modèle de classification. Cette information supplémentaire peut être aussi quotidienne et quefacile à obtenir que le temps de la journée, mais encore produire des gains importants en termes de précision du modèle. Enfin, il est démontré que les énormes quantités de données que nous avons recueillies nous permettent de profiter de "l'efficacité déraisonnable de données" 10 pour produire des classificateurs simples, précises et solides.
En résumé, vol classification des insectes a dépassé les réclamations douteuses créés dans le laboratoire de recherche et est maintenant prêt pour un déploiement dans le monde réel. Les capteurs et les logiciels présentés dans cette étude seront chercheurs du monde entier des outils robustes pour accélérer leurs recherches.
Le cadre capteur / classification décrit ici permet la classification peu coûteuse et évolutive des insectes volants. Les précisions atteignables par le système sont suffisantes pour permettre le développement de produits commerciaux bien et pourrait être un outil utile dans la recherche entomologique.
La possibilité d'utiliser, peu coûteux capteurs non invasifs pour classer automatiquement et avec précision les insectes volants aurait des implications importantes pour la reche…
The authors have nothing to disclose.
Nous tenons à remercier la Fondation Vodafone Amériques, la Fondation Bill et Melinda Gates et la Fondation de recherche de São Paulo (FAPESP) pour financer cette recherche. Nous tenons également à remercier les nombreux membres du corps professoral du département d'entomologie à l'Université de Californie, Riverside, pour leurs conseils sur ce projet.
Name of Material/ Equipment | Company | Catalog Number | Comments/Description |
Audio Recorder: ICD-PX312 | Sony | 4-267-065-11(2) | With a 8 GB microSD extra memory |
Insectary | Lee's Aquarium & Pet Products. | 20088 HerpHaven®, Large Rectangle | 14 1/2" Long x 8 3/4" Wide x 9 3/4" high. Modified to house insects. |
Laser Line Generator, 650nm (red) | Apinex (www.apinex.com) | LN60-650 | 5mW. This is a low powered laser, similar to a teachers lasers pointer |
Photodiode Array | VISHAY SEMICONDUCTOR TEFD4300 PIN PHOTODIODE, 650NM, 20DEG, T1 | TEFD4300 | We made a custom array of 15 of these Photodiodes wired in parallel |
Analogue to Digital Convertor Integrated Circuit | Custom made in our lab | We made this item ourselves, but an easily available commercial product, Gino PCF8591 AD/DA Converter, provides the same functionality. |