在红色进口火巢的自动检测和监视中使用机器人狗的实施

科学领域:

• 环境科学 环境科学
• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能

背景情况:

• 红色进口火 (Solenopsis invicta) 是一种入侵物种,造成生态破坏和经济损失.
• 目前用于检测RIFA巢的方法是劳动密集型的,并且不容易扩展.
• 需要自动化,高效和准确的RIFA巢穴检测系统.

研究的目的:

• 开发一个用于检测和地理定位RIFA的自动监控系统.
• 利用人工智能 (AI) 和机器人平台来改善害虫监测.
• 通过技术创新增强RIFA控制策略.

主要方法:

• 将CyberDog机器人平台与YOLOX AI模型集成.
• 在1118张RIFA巢图像的数据集上训练YOLOX模型.
• 对人工智能驱动的机器人系统进行现场测试,以检测巢穴并与人类检查员进行比较.

主要成果:

• 人工智能系统实现了90%以上的RIFA巢穴检测精度 (最终精度为0.95).
• YOLOX模型展示了实时操作适用性,每个图像的推断时间为20.16毫秒.
• 实地测试显示,CyberDog系统发现的数是人类检查员的三倍,错误较少.

结论:

• 人工智能驱动的机器人系统显示出了推动害虫管理战略的巨大潜力.
• 与人类检查员相比,CyberDog/YOLOX系统在RIFA检测方面提供了更高的准确性和效率.
• 这项技术为管理入侵物种和保护生物多样性提供了一个可扩展的,生态友好的解决方案.