人工智能正确地分类了君主的发育阶段,通过使用社区科学照片来实现更好的保护
Naresh Neupane1, Rhea Goswami2, Kyle Harrison2
1Georgetown University, Washington, DC, USA. nn343@georgetown.edu.
Scientific reports
|November 7, 2024
概括
研究人员开发了一种计算机视觉模型,使用YOLOv5算法自动检测和分类君主蝶毛虫的五个发展阶段. 这一进步通过更有效地分析图像数据,有助于大规模的昆虫研究.
科学领域:
- * 昆虫学 昆虫学
- * 计算机视觉 计算机视觉
- * 生态学 * 生态学
背景情况:
- * 越来越多的昆虫图像来自公民科学平台.
- * 对昆虫发育阶段和健康状况的自动识别存在局限性.
- *需要自动化方法来分析生态图像中的有价值数据.
研究的目的:
- * 开发和验证计算机视觉模型,用于检测君主蝶毛虫.
- * 将毛虫分为五个不同的发育阶段 (Instars).
- * 建立一个概念验证,用于自动化昆虫的发育阶段分析.
主要方法:
- * 使用YOLOv5算法进行对象检测和分类.
- * 在 iNaturalist.com 的专家注释的君主图像上训练模型.
- *使用检测的平均精度和分类的准确度来评估模型性能.
主要成果:
- * 在所有阶段实现了君主的物体检测平均精度95%.
- *YOLOv5l模型在将毛虫分类为其五个发育阶段时达到87%的准确性.
- * 在检测和分类昆虫发育阶段方面都表现出高性能.
结论:
- *开发的计算机视觉模型显示了对自动化昆虫发育阶段分析的重大前景.
- *这种方法可以通过从图像数据中提取详细信息来支持大规模的机理学研究.
- *公开访问的注释数据集已发布,以促进进一步的研究和模型开发.


