相关实验视频
Updated: May 29, 2025
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.1K
昆虫网:使用端到端机器学习管道实时识别昆虫
Shivani Chiranjeevi1, Mojdeh Saadati2, Zi K Deng3
1Department of Mechanical Engineering, Iowa State University, Ames, IA 50011, USA.
PNAS nexus
|February 3, 2025
概括
昆虫网使用深度学习来准确识别昆虫,有助于害虫管理. 这种人工智能工具通过区分有益和有害物种来提高农业生产率,即使在具有挑战性的条件下也是如此.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 昆虫学 昆虫学是一门学科.
背景情况:
- 昆虫害虫对全球农业生产力和作物质量构成重大威胁.
- 准确的昆虫识别对于有效的综合性害虫管理 (IPM) 是至关重要的.
- 自动化昆虫识别面临着诸如物种相似性,生命阶段和各种成像条件等挑战.
研究的目的:
- 开发一个端到端的深度学习方法,InsectNet,用于自动识别昆虫.
- 解决现实世界昆虫识别方面的挑战,包括准确性和可靠性.
- 为各种农业生态系统创建可扩展和可访问的AI解决方案.
主要方法:
- 利用大型,公民科学来源的昆虫图像数据集与无标签的自我监督学习进行全球模型培训.
- 微调全球模型以更小,经过专家验证的区域数据集进行局部识别.
- 实施机器学习操作,以简化部署和可访问性.
主要成果:
- 在识别众多农业和生态相关的昆虫物种方面取得了>96%的准确性.
- 证明了细粒度物种识别,在具有挑战性的背景下有效表现,以及不确定性意识的预测.
- 开发了一种可靠且强大的昆虫识别系统.
结论:
- 全球到本地模型策略为昆虫识别提供了一个可扩展和具有成本效益的解决方案.
- 昆虫网提高了模型的可信度,并使农业对先进人工智能的访问民主化.
- 昆虫网是一个有价值的人工智能工具,补充了农业挑战的现有方法.
