相关实验视频
Updated: Jan 7, 2026
05:28
Quantifying Corticolous Arthropods Using Sticky Traps
Published on: January 19, 2020
5.8K
在共同感染下对森林木材钻孔昆虫的声学检测
Qi Jiang1, Yujie Liu2, Yu Sun3
1Research Center for Natural Protected Areas Monitoring, Yunnan Institute of Forest Inventory and Planning, Kunming 650051, China.
Insects
|December 30, 2025
概括
深度学习模型在声学害虫检测方面表现出色,在复杂的森林感染场景中表现优于传统机器学习. 基于光谱图的深度学习,特别是ResNet,即使使用混合信号,也能准确识别多种木害虫.
科学领域:
- 林业林业 林业 林业 林业
- 农业昆虫学 农业昆虫学
- 声学信号处理 声学信号处理
背景情况:
- 声学检测可以在单一树层面进行非破坏性,持续的害虫监测.
- 现场应用面临挑战,特别是多种害虫物种的共同感染.
研究的目的:
- 开发一种基于声学的新型识别模型,用于对森林木材有害物进行识别.
- 在复杂的感染场景中提高监测准确度,包括共感染.
主要方法:
- 收集了来自四种木害虫物种的食振动信号.
- 设计的单个物种和共同感染 (有/没有混合信号) 场景.
- 使用机器学习 (Random Forest,SVM,ANN) 和深度学习 (AlexNet,ResNet,VGG) 模型进行信号分类.
主要成果:
- 机器学习模型在单个物种场景中实现了100%的准确性,但在混合信号中显著下降.
- 深度学习模型,特别是ResNet,保持了高准确度 (85.0-88.75%) 并有效地区分混合信号.
- 基于光谱图的深度学习模型在复杂的感染场景中表现出优越性.
结论:
- 使用光谱图的深度学习模型在复杂的森林侵袭中对声学害虫检测优越.
- 这项研究为森林生态系统的实时,综合性害虫管理系统提供了基础.
更多相关视频
06:58Author Spotlight: Evaluation of Entomopathogenic Fungi in Wild Monochamus alternatus Populations for Biocontrol Applications in Forest Wood Borers
Published on: September 29, 2023
1.2K
05:30Technique for Studying Arthropod and Microbial Communities within Tree Tissues
Published on: November 16, 2014
10.7K
