一个有注释的翅膀干扰模式数据集,用于深度学习的医学兴趣的二虫昆虫
Arnaud Cannet1, Camille Simon-Chane2, Aymeric Histace2
1Direction des affaires sanitaires et sociales de la Nouvelle-Calédonie, Nouméa, France.
Scientific data
|January 3, 2024
概括
这项研究引入了新的翅膀干扰模式 (WIP) 数据集,用于识别携带疾病的虫昆虫. 这种计算机视觉方法为传统识别方法提供了更快,更有效的替代方案.
科学领域:
- 昆虫学 昆虫学是一门学科.
- 计算机科学 计算机科学
- 生物信息学是一种生物信息学.
背景情况:
- 虫物种可以传播重要的医学和兽医病原体.
- 这些昆虫的传统识别方法往往是低效和昂贵的.
- 计算机视觉为快速识别昆虫提供了一个潜在的解决方案.
研究的目的:
- 引入一套新的数据集,用于培训和评估计算机视觉系统,用于使用翼干扰模式 (WIPs) 识别虫.
- 促进自动化系统的开发,以识别医学和兽医学上重要的虫物种.
主要方法:
- 开发一套全面的数据集,包括各种Diptera家族的翅膀干扰模式 (WIP).
- 包括来自Culicidae,Calliphoridae,Muscidae,Tabanidae,Ceratopogonidae,Psychodidae和Glossinidae的图像. 这些图像包括在内.
- 数据集包括18个属的2399张图像,详细的物种级注释和显著的属内变异.
主要成果:
- 已经创建了一个新的,广泛的数据集,用于使用WIPs识别Diptera.
- 该数据集支持用于识别昆虫的机器学习模型的培训和评估.
- 数据集捕捉了属内的大量物种变异,增强了模型的稳定性.
结论:
- 开发的数据集是推进基于计算机视觉的Diptera识别的宝贵资源.
- 这种方法有望提高识别疾病载体的效率和准确性.
- 使用WIP的自动识别系统可以显著帮助公共卫生和兽医昆虫学工作.
