使用无人机图像和深度学习来调查Aedes albopictus的潜在繁殖地点
Keyi Yu1, Jianping Wu1, Minghao Wang1
1Key Laboratory of Geographic Information Science, Ministry of Education, East China Normal University, Shanghai, 200241, China; School of Geographic Sciences, East China Normal University, Shanghai, 200241, China; Key Laboratory of Spatial-temporal Big Data Analysis and Application of Natural Resources in Megacities, Ministry of Natural Resources, Shanghai, 200241, China.
Acta tropica
|April 30, 2024
概括
这项研究介绍了一种无人机和人工智能框架,用于检测甲虫蚊子繁殖地点. YOLO v7模型准确地识别了潜在的繁殖地点,指导了针对疾病预防的有针对性的控制工作.
科学领域:
- 环境科学和昆虫学,专注于媒介控制和疾病预防.
背景情况:
- 艾迪斯白斑蚊 (Aedes albopictus) 蚊子传播诸如登革热和寨卡病毒等疾病,需要有效的载体控制.
- 目前的控制方法依赖于识别和消除潜在的繁殖地点 (PBS),但先进技术的现场应用有限.
- 现有的关于使用无人机和人工智能用于PBS检测的研究主要集中在大型,常规的容器上,经验性现场验证较少.
研究的目的:
- 开发和验证基于无人机和人工智能的框架,用于识别和绘制Aedes albopictus的潜在繁殖地点.
- 为长江流域的Aedes蚊子构建一个常见的PBS的专业数据集.
- 评估拟议框架在现实世界社区环境中的实际应用和效率.
主要方法:
- 构建一个针对中国Aedes albopictus相关的潜在繁殖地点 (PBS) 的量身定制数据集.
- 开发和应用YOLO v7深度学习模型用于自动化PBS识别.
- 使用内核密度分析,确定需要立即减少源的高密度PBS区域.
主要成果:
- YOLO v7模型实现了高精度 (F1得分和mAP>0.99) 并正确地定位了97%的PBS.
- 预测PBS分布与真实分布密切匹配,准确识别高风险地区和房屋.
- 核密度映射确定了具有最高PBS密度的特定子区域,表明控制干预的优先级.
结论:
- 开发的UAV-AI框架可靠且可行,用于定位和绘制蚊子PBS,提高监视效率.
- 这种方法最大限度地减少了人工劳动,并为有针对性的源减少提供了可操作的指导,有助于预防疾病的努力.
- 该研究为蚊子繁殖地点调查提供了重要的方法和实践见解.
