LarvaeCountAI:一个基于卷积神经网络的强大工具,用于准确计算Culex annulirostris蚊子的幼虫
Nouman Javed1, Adam J López-Denman2, Prasad N Paradkar2
1Institute for Intelligent Systems Research and Innovation, Deakin University, Geelong, Victoria, 3216 Australia.
Acta tropica
|November 14, 2024
概括
一个人工智能工具LarvaeCountAI从简单的视频中准确地计算蚊子幼虫,改善疾病监测. 与传统技术相比,这种非侵入性方法提高了准确性,并降低了幼虫死亡率.
科学领域:
- 兽医昆虫学 兽医昆虫学
- 医学昆虫学 医学昆虫学
- 人工智能在生物学中的应用
背景情况:
- 准确的蚊子幼虫计数对于疾病控制和设施管理至关重要.
- 现有的方法面临挑战,包括幼虫死亡率,复杂的调整和成本障碍.
- 人工智能驱动的视觉分析为自动化蚊子幼虫计数提供了一个有希望的解决方案.
研究的目的:
- 介绍LarvaeCountAI,一个开源的卷积神经网络 (CNN) 工具,用于自动计数Culex annulirostris幼虫.
- 开发一种非侵入性,准确和负担得起的方法来评估蚊子幼虫种群.
- 利用人工智能加强蚊子监测和疾病传播风险评估.
主要方法:
- 开发LarvaeCountAI,这是一个基于CNN的工具,利用视频分析.
- 使用简单的实验室设置 (摄像机,塑料托盘) 进行视频捕捉.
- 采用一种非侵入性方法,通过在托盘中成像幼虫以尽量减少死亡率.
主要成果:
- 在10个测试视频中,LarvaeCountAI实现了高精度,从96.25%到99.13%不等.
- 幼虫计数AI的平均准确率为97.88%.
- 非侵入性方法将幼虫死亡率降至最低,克服了机械计数器的局限性.
结论:
- LarvaeCountAI为监测蚊子幼虫种群提供了强大,高效和准确的解决方案.
- 这种人工智能工具推进了蚊子监测技术,有助于疾病控制策略.
- 来自LarvaeCountAI的精确幼虫数量数据支持公共卫生倡议和媒介控制工作.
