通过视频文档和大型语言模型识别进行快速农化库存
Michael Anastario1, Cynthia Armendáriz-Arnez2, Lillian Shakespeare Largo1
1Department of Health Sciences, Northern Arizona University, Flagstaff, AZ 86011, USA.
International journal of environmental research and public health
|October 29, 2025
概括
本研究介绍了一种使用大型语言模型 (LLM) 快速识别视频录像中的农业化学品的方法. 这种方法有助于在研究人员访问有限时进行暴露评估.
科学领域:
- 环境科学 环境科学
- 职业健康 职业健康 职业健康
- 农业科学 农业科学
背景情况:
- 介绍了农化物库存文件的新方法论方法.
- 通过在现场环境中使用时间限制的观察方法来补充暴露评估.
- 利用大型语言模型 (LLM) 功能进行农化学分类.
研究的目的:
- 开发和评估一种快速方法,使用LLMs记录农业化学库存.
- 评估在时间限制下从视频录像中分类农化学品的可行性.
- 加强在实地研究中的暴露评估策略.
主要方法:
- 在一个仓库棚里录制了一段农用化学品的短视频.
- 将视频处理成31张屏幕截图进行分析.
- 使用OpenAI的ChatGPT (GPT-4o) 进行农化物识别和分类.
主要成果:
- 在此过程中,LLM准确地识别了75%的农业化学品.
- 人类验证用于纠正和验证LLM条目.
- 在有限时间的实地研究中证明了LLM应用的可行性.
结论:
- 该LLM辅助方法促进了快速的初始数据收集,以进行暴露评估.
- 这种方法在研究人员对危险材料的访问有限的情况下非常有价值.
- 法学士技术提供了效率和交叉验证,增强了基于现场的研究能力.
