一种机器学习方法,以促进寄生虫蛋在同类繁殖寄生虫同种类中的识别
Anna E Hughes1, Lisandrina Mari2,3, Jolyon Troscianko4
1Department of Psychology, University of Essex, Colchester CO4 3SQ, UK.
Proceedings. Biological sciences
|November 25, 2025
概括
机器学习模型通过分析蛋的外观,准确地检测谷仓的同类繁殖寄生虫 (CBP). 这些模型显著优于人类评估,为研究鸟类共同进化和蛋表型演变提供了具有成本效益的工具.
科学领域:
- 进化生物学 进化生物学
- 动物行为 动物行为
- 遗传学 是一个遗传学.
背景情况:
- 同类繁殖寄生症 (CBP) 是一种广泛存在的鸟类繁殖策略.
- 检测CBP是具有挑战性的,因为难以识别寄生虫卵.
- 分子基因型鉴定是准确但昂贵的,促使研究视觉评估方法.
研究的目的:
- 为了比较人类评估与监督机器学习模型在检测谷仓子 (Hirundo rustica) 中寄生虫蛋的准确性.
- 开发一种可访问的管道,使用视觉线索和机器学习来识别寄生虫卵.
主要方法:
- 收集的紫外线可见的照片的谷仓吞蛋离合器.
- 用了经过基因验证的非寄生虫离合器和模拟的寄生虫来进行训练和测试.
- 与两个监督机器学习模型 ("离开一个离合器"和"离开一个蛋") 进行了人类分类准确性的比较.
主要成果:
- 人类和机器学习模型在识别寄生虫蛋方面表现得比机会更好.
- 机器学习模型的准确度达到了97%,明显超过了人类的表现 (72-87%).
- 蛋的尺寸,颜色和斑点图案是模型准确性的关键视觉特征.
结论:
- 监督机器学习提供了一个高度准确和可访问的方法来检测同类型的繁殖寄生虫.
- 这种方法可以促进研究卵类表型的进化和鸟类共同进化的研究.
- 开发的管道可以适应用于识别其他鸟类物种的寄生卵.


