Полет обнаружения насекомых и классификации с недорогих датчиков
Summary
Мы предложили систему, которая использует недорогие, неинвазивные псевдо-акустическая оптические датчики для автоматического и точного обнаружения, соперника, классифицировать летающих насекомых, основанные на их летающей звука.
Abstract
Недорого, неинвазивный система, которая может точно классифицировать летающих насекомых будет иметь важные последствия для энтомологических исследований, и создать условия для развития многих полезных приложений в векторе и борьбы с вредителями, как для медицинского и сельскохозяйственной энтомологии. Учитывая это, в последние шестьдесят лет видел много исследовательских усилий, посвященные этой задачи. На сегодняшний день, однако, ни один из этих исследований не была долгосрочные последствия. В этой работе мы показываем, что псевдо-акустическая оптические датчики могут производить превосходную данных; что дополнительные функции, как внутренняя и внешняя к поведению полета насекомого, может быть использовано для улучшения классификации насекомых; что байесовский подход классификация позволяет эффективно изучать модели классификации, которые очень устойчивы к более облегающие, и общие рамки классификация позволяет легко включать произвольное количество функций. Мы демонстрируем результаты с крупномасштабных экспериментов, что карлик все предыдущие работы грузопассажирскийNED, как измеряется количеством насекомых и по числу видов, рассмотренных.
Introduction
Идея автоматически классификации насекомых с помощью побочной звук их полета восходит к самым ранним дням компьютеров и продаже аудио записывающего оборудования 1. Тем не менее, мало что было сделано по этой проблеме в прошедшие десятилетия. Отсутствие прогресса в этой погоне можно отнести к нескольким связанным факторов.
Во-первых, отсутствие эффективных датчиков сделала сбора данных трудно. Большинство усилий по сбору данных использовали акустические микрофоны 2-5. Такие устройства крайне чувствительны к шум ветра и окружающего шума в окружающей среде, в результате чего очень редкими и некачественных данных.
Во-вторых, усугубляет эти проблемы качества данных является тот факт, что многие исследователи пытались узнать очень сложные модели классификации, особенно нейронных сетей 6-8. Попытка узнать сложные модели классификации, с всего лишь десятками примеров,это рецепт для более-фитинга.
В-третьих, трудно получения данных означает, что многие исследователи пытались построить модели классификации с очень ограниченных данных, как мало, как 300 экземпляров 9 или менее. Тем не менее, известно, что для построения точные модели классификации, больше данных лучше 10-13.
Эта работа охватывает все три вопроса. Оптические (а не акустический) датчики могут быть использованы для записи "звук" полета насекомых от метров, с полной инвариантности ветра шум и звуки окружающей среды. Эти датчики позволили запись миллионов меченых случаях учебных, гораздо больше данных, чем все предыдущие усилия вместе взятые, и тем самым помочь избежать более облегающие, которая преследует предыдущие исследовательские усилия. Принципиальный метод Ниже показано, что позволяет включение дополнительной информации в модели классификации. Эта дополнительная информация может быть как ежедневной газете и какпростой в получить как время-день, еще до сих пор производят значительный выигрыш в точности модели. Наконец, показано, что огромные объемы данных мы собрали позволяют нам воспользоваться "The необоснованного эффективности данных" 10, чтобы произвести простые, точные и надежные классификаторы.
Таким образом, полет классификация насекомых вышла за пределы сомнительных претензий, созданных в научно-исследовательской лаборатории и теперь готов к реального развертывания. Датчики и программное обеспечение, представленные в этой работе будет предоставить исследователям по всему миру надежные инструменты для ускорения их исследования.
Protocol
Representative Results
Discussion
Рамки датчик / классификация описано здесь позволяет недорогой и масштабируемой классификацию летающих насекомых. Точности достижимые системой достаточно, чтобы позволить разработку коммерческих продуктов хорошо и может быть полезным инструментом в энтомологического исследований…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Мы хотели бы поблагодарить Фонд Vodafone Americas, Фонд Билла и Мелинды Гейтс, и Paulo исследовательский фонд São (FAPESP) за финансирование работы. Мы также хотели бы поблагодарить многих преподавателей из отдела энтомологии Университета Калифорнии, Риверсайд, за их советы по этому проекту.
Materials
| 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. |
References
- Kahn, M. C., Celestin, W., Offenhauser, W. Recording of sounds produced by certain disease-carrying mosquitoes. Science. 101 (2622), 335-336 (1945).
- Reed, S. C., Williams, C. M., Chadwick, L. E. Frequency of wing-beat as a character for separating species races and geographic varieties of Drosophila. Genetics. 27 (3), 349 (1942).
- Belton, P., Costello, R. A. Flight sounds of the females of some mosquitoes of Western Canada. Entomologia experimentalis et applicata. 26 (1), 105-114 (1979).
- Mankin, R. W., Machan, R., Field Jones, R. testing of a prototype acoustic device for detection of Mediterranean fruit flies flying into a trap. Proc. 7th Int Symp Fruit Flies of Economic Importance. , 10-15 (2006).
- Raman, D. R., Gerhardt, R. R., Wilkerson, J. B. Detecting insect flight sounds in the field Implications for acoustical counting of mosquitoes. Transactions of the ASABE. 50 (4), 1481 .
- Moore, A., Miller, J. R., Tabashnik, B. E., Gage, S. H. Automated identification of flying insects by analysis of wingbeat frequencies. Journal of economic entomology. 79 (6), 1703-1706 (1986).
- Moore, A., Miller, R. H. Automated identification of optically sensed aphid (Homoptera: Aphidae) wingbeat waveforms. Annals of the Entomological Society of America. 95 (1), 1-8 (2002).
- Li, Z., Zhou, Z., Shen, Z., Yao, Q. Automated identification of mosquito (diptera: Culicidae) wingbeat waveform by artificial neural network. Artificial Intelligence Applications and Innovations. , 483-489 (2005).
- Moore, A. Artificial neural network trained to identify mosquitoes in flight. Journal of insect behavior. 4 (3), 391-396 (1991).
- Halevy, A., Norvig, P., Pereira, F. The unreasonable effectiveness of data. Intelligent Systems, IEEE. 24 (2), 8-12 (2009).
- Banko, M., Brill, E. Mitigating the paucity-of-data problem exploring the effect of training corpus size on classifier performance for natural language processing. , 1-5 (2001).
- Shotton, J., et al. Real-time human pose recognition in parts from single depth images. Communications of the ACM. 56 (1), 116-124 (2013).
- Ilyas, P. Classifying insects on the fly. Ecological Informatics. , (2013).
- Mack, Y. P., Rosenblatt, M. Multivariate k-nearest neighbor density estimates. Journal of Multivariate Analysis. 9 (1), 1-15 (1979).
- Benedict, M., Robinson, A. The first releases of transgenic mosquitoes an argument for the sterile insect technique. TRENDS in Parasitology. 19 (8), 349-355 (2003).
- . Supporting Materials Available from: https://sites.google.com/site/insectclassification
- Chen, Y., Why, A., Batista, G., Mafra-Neto, A., Keogh, E. Flying Insect Classification with Inexpensive Sensors. Journal of Insect. 27 (5), 657-677 (2014).
