使用深度学习和翅膀干扰模式 (WIP) 来识别形的物种

科学领域:

• 医学昆虫学 医学昆虫学
• 生物信息学是一种生物信息学.
• 纳税学是一种分类学.

背景情况:

• 沙是各种病原体的关键载体,构成重大公共卫生和兽医风险.
• 精确的沙识别对于疾病监测和控制至关重要,但通常受到复杂的形态学检查的阻碍.

研究的目的:

• 评估翅膀干扰模式 (WIP) 和深度学习 (DL) 的有效性,以准确识别砂.
• 在多个分类学层面建立一个非侵入性方法,用于沙分类.

主要方法:

• 在砂翅膀上生成翅膀干扰模式 (WIP).
• 应用深度学习 (DL) 算法来分析WIP以进行分类学赋值.
• 在家族,属,亚属和物种层面验证方法.

主要成果:

• 在所有测试的分类级别中,WIPs-DL方法实现了超过77.0%的识别准确性.
• 这种方法成功地将与其他二虫区分开来.
• 识别不需要检查内部结构或传统钥匙.

结论:

• 机翼干扰模式 (WIPs) 与深度学习 (DL) 结合,提供了一种可靠和高效的砂识别方法.
• 这种技术适用于现场条件,支持主动和被动的昆虫学调查.
• 这种方法解决了识别的挑战,特别是在缺乏医学昆虫学家的情况下.