使用深度学习的自动标签分类及其在公民科学中的相关挑战.
Anna Omazic1, Giulio Grandi2, Stefan Widgren3
1Department of Chemistry, Environment and Feed Hygiene, Swedish Veterinary Agency (SVA), 751 89, Uppsala, Sweden.
Scientific reports
|July 10, 2025
概括
人工智能和公民科学可以帮助监测,包括入侵物种,以保护公共健康. 深度学习模型显示了自动类别的前景,有助于监控工作.
科学领域:
- 兽医昆虫学 兽医昆虫学
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 莱姆病原体和传染性脑炎在欧洲构成重大公共卫生风险.
- 引入异国物种到欧洲需要加强监测和识别方法.
研究的目的:
- 开发和评估深度学习模型,以使用公民提交的图像进行自动化虫物种分类.
- 评估将人工智能与公民科学集成为大规模监测的可行性.
主要方法:
- 一个公民科学倡议收集了超过15,000张图像.
- 通过图像分析,对象检测和转移学习,开发了深度学习模型 (EfficientNetV2M).
- 模型的性能是通过公民提交的数据进行评估的.
主要成果:
- EfficientNetV2M模型实现了0.60的宏回忆和0.55的MCC.
- 证明了人工智能与公民科学集成用于监测的可行性.
- 确定了包括阶级不平衡和形态变异在内的挑战.
结论:
- 人工智能驱动的公民科学为虫监测提供了一个可扩展的框架.
- 开发的系统作为一个概念验证,用于未来的AI应用程序在一个健康.
- 需要进一步发展,以克服强大的物种识别的分类挑战.


