由于一項新的研究，瞄準(zhǔn)攜帶疾病蚊子的地區(qū)變得更容易了。最近發(fā)表在 IEEE 探索 ， 上的這項研究利用深度學(xué)習(xí)，從公民科學(xué)家拍攝的圖像中，以近乎完美的準(zhǔn)確度識別老虎蚊子。

“識別蚊子是最基本的，因為它們傳播的疾病仍然是一個重大的公共衛(wèi)生問題，”主要作者 Gerezhier Adhane 說。

這項研究由加泰羅尼亞大學(xué)（ UOC ） 計算機科學(xué)、多媒體和電信學(xué)院 和 電子健康中心 的場景理解與人工智能研究小組（ SUnAI）的研究人員使用 蚊子警報 應(yīng)用程序中的圖像進行。該平臺在西班牙開發(fā)，目前正在全球擴展，匯集了公民、昆蟲學(xué)家、公共衛(wèi)生當(dāng)局和蚊子控制服務(wù)機構(gòu)，以減少蚊子傳播的疾病。

世界上的任何人都可以將帶有地理標(biāo)記的蚊子圖片上傳到應(yīng)用程序中。三位昆蟲學(xué)家在將提交的圖像添加到數(shù)據(jù)庫、分類和繪制地圖之前，對其進行檢查和驗證。

隨著氣候變化和城市化，旅游和口糧擴大了蚊子的活動范圍和棲息地。迅速查明已知傳播登革熱、寨卡病毒、基孔肯雅病毒和黃熱病的老虎等物種，仍然是協(xié)助有關(guān)當(dāng)局遏制其傳播的關(guān)鍵一步。

Adhane 說：“這種類型的分析很大程度上依賴于人類的專業(yè)知識，需要專業(yè)人員的合作，通常很耗時，而且由于入侵物種可能會快速繁殖，因此不具有成本效益?！痹谶@里，神經(jīng)網(wǎng)絡(luò)可以作為控制蚊子傳播的實用解決方案發(fā)揮作用?！?/p>

研究小組開發(fā)了一種能夠區(qū)分蚊子種類的深度卷積神經(jīng)網(wǎng)絡(luò)。從一個預(yù)先訓(xùn)練好的模型開始，他們使用手工標(biāo)記的蚊子警報數(shù)據(jù)集對其進行了微調(diào)。利用 NVIDIA GPU 和 cuDNN – 加速 PyTorch 深度學(xué)習(xí)框架，根據(jù)可識別的形態(tài)特征（如腿上的白色條紋、腹部斑塊、頭部和胸部形狀）教導(dǎo)分類模型精確定位虎蚊。

深度學(xué)習(xí)模型通常依賴于數(shù)百萬個樣本。然而，研究人員僅使用了來自蚊子警報的 6378 張老虎和非老虎蚊子的圖像，就能夠訓(xùn)練出準(zhǔn)確率約為 94% 的模型。

Adhane 說：“我們開發(fā)的神經(jīng)網(wǎng)絡(luò)可以表現(xiàn)得和人類專家一樣好，甚至幾乎一樣好，而且算法足夠強大，可以處理大量的圖像?！?。

根據(jù)研究人員的說法，隨著蚊子警報規(guī)模的擴大，這項研究可以擴展到對全球多種蚊子及其繁殖地進行分類。

“我們開發(fā)的模型可以在實際應(yīng)用中使用，只需稍作修改，就可以與移動應(yīng)用一起使用。利用這個經(jīng)過訓(xùn)練的網(wǎng)絡(luò)，有可能對使用智能手機拍攝的蚊子圖像進行高效實時的預(yù)測，” Adhane 說。

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學(xué)作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯：郭婷