uutiset

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Hyttyset ovat ensimmäisiä kuolemia aiheuttavien eläinten joukossa.

Maailman terveysjärjestön (WHO) tilastojen mukaan maailmassa kuolee vuosittain noin 725 000 ihmistä hyttysten puremien aiheuttamiin sairauksiin, ja pelkästään malaria aiheuttaa 608 000 kuolemaa vuonna 2022. Vertailun vuoksi muut tappavat eläimet, kuten käärmeet, koirat (raivotautia levittämällä), krokotiilit jne., vaikka ne aiheuttavat myös huomattavan määrän kuolemia, määrät ovat paljon pienempiä kuin hyttyset.

Eri eläinten vuosittain tappamien ihmisten lukumäärän vertailu

Vaikka WHO julisti malarian eliminoimisesta kokonaan jo vuonna 1955, malarian eliminoinnista on monilla alueilla tullut "myyrä" -peli. Joka kerta kun malarian uskotaan olevan hallinnassa, se ilmaantuu pian toisessa muodossa, eikä se ole vielä tänäkään päivänä hallinnassa.

Hyttysten levittämien sairauksien eliminoimiseksi ensimmäinen askel on havaita ja tunnistaa erityyppiset hyttyset. Tämä ei johdu vain siitä, että erityyppiset hyttyset kantavat erilaisia ​​sairauksia, vaan myös siksi, että eri hyttysillä on erilaiset selviytymisominaisuudet.

Tämä tarkoittaa, että jos pystyt tunnistamaan hyttystyypit, voit käyttää niiden erilaisia ​​ominaisuuksia hyttysten poistamiseen, kuten ulkona elävien ja ruokkivien hyttysten lisääntymispaikkojen poistaminen ja hyttysverkkojen käyttö sisätiloissa eläville hyttysille Monilla alueilla se on tehokas hyttysten torjuntakeino.

Bill Gates, entinen maailman rikkain mies, jakoi äskettäin uuden teknologian tähän tarkoitukseen - VectorCam. Se voi tunnistaa hyttysen lajin, sukupuolen, imeekö se verta ja muniiko se yksinkertaisesti ottamalla kuvan hyttysestä sovelluksen kautta:

Taistelussa hyttysiä vastaan ​​näemme vihdoin vastustajamme selvästi.

Bill Gates esittelee teknologiaa videolla

Käytä AI-tietokonenäköä hyttysten "näkemiseen".

VectorCam-virkamiesten mukaan järjestelmä käyttää VectorBrainia, uutta konvoluutiohermoverkkoa, jota käytetään tunnistamaan hyttyslajit, sukupuoli ja vatsan tila.

Tekoälymallina, joka on erityisesti koulutettu tunnistamaan hyttysiä, VectorBrain pystyy tunnistamaan tarkasti kuusi suurta hyttysvektoria, mukaan lukien suurimmat malariavektorit, yli 90 % tarkkuudella resurssirajoitteisissa ympäristöissä.

VectorBrain on monitoiminen EfficientNet-arkkitehtuuri, joka on suunniteltu hyttysten luokitteluun, ja se näyttää samanaikaisesti lajit, sukupuolen ja vatsan tilan. Arkkitehtuuri koostuu piirteiden poimijasta ja haararakenteesta, joista jokainen vastaa luokitustehtävää.

Hyttysten tunnistamisessa VectorBrain käyttää kevyttä YOLO-mallia, joka voi paikantaa hyttyset reaaliajassa ja käyttää havaittuja koordinaatteja leikkaamaan kuvia, jotka sisältävät vain hyttysen itsensä tunnistamisen parantamiseksi.

Kuvia havainnollistavat hyttyskuvien luokittelun vaiheita. Näytä ensin koko hyttyskuva, joka on luokiteltava (a). Sitten hyttyskuva rajataan koordinaattien mukaan YOLO-algoritmin avulla ja suoritetaan sarja kuvamuunnoksia luokituksen (b) valmistelemiseksi. Lopuksi esitetään luokitusalgoritmin tulos, joka tunnistaa kuvan hyttyslajit (c).

Erityisesti YOLO-mallin tarkkuus, muistaminen ja keskimääräinen tarkkuus (mAP) koulutuksen ja validoinnin aikana olivat 96,00 %, 90,50 % ja 95,87 %. Luokkaluokitusmallin tarkkuus oli 92,40±2 %, sukupuoliluokitusmallin tarkkuus oli 97,00±1 % ja vatsan tilaluokitusmallin tarkkuus oli 83,20±3,1 %.

(a) on YOLO-mallin suoritusindeksi koulutuksessa ja varmentamisessa, (b) on mallin hyttysten havaitseminen

Sekaannusmatriisi ja tarkkuus luokitteluun lajin, sukupuolen ja vatsan tilan mukaan

VectorCamin toimittamassa paperissa sen käyttämää YOLOv5:tä verrataan Faster R-CNN -malliin, jota käytetään laajasti erilaisissa kohteen havaitsemistehtävissä.

Jopa paljasjalkainen lääkäri pääsee nopeasti alkuun

Sen lisäksi, että se ei ole vain kohdennettu iso malli, VectorCam on myös yksinkertaistettu erityisissä toiminnoissaan sopeutumaan malarian leviämisalueisiin, jotta se voi paremmin mukautua todelliseen tilanteeseen malarian leviämisalueilla.

Erityisesti VectorCam sisältää sarjan erikoistuneita kuvantamislaitteita ja mobiilisovelluksen. Laitteistokomponentit sisältävät valolaatikon, jossa on sisäänrakennettu 15x makroobjektiivi, puhelinkuoren muotoilu ja telakointiasema. Laitteisto sisältää myös Eppendorf-putkien pidikkeet ja hyttystarjottimet sekä rei'itetyt näytteiden tunnistetiedot näiden hyttysten parempaa säilytystä varten.

VectorCamin ohjelmisto on Android-pohjainen sovellus, jonka sanotaan pystyvän tunnistamaan yli 39 hyttystyyppiä, mukaan lukien yleiset hyttyset sekä tietyt hyttystyypit, jotka ovat todennäköisemmin sairauksia kantavia -end Android-puhelimet.

VectorCamin mobiilikäyttöliittymä

Järjestelmän työnkulkuun kuuluu kerättyjen hyttysten sijoittaminen laitteistoon, älypuhelinsovelluksen avulla suurennettujen kuvien ottaminen hyttysistä ja hyttysten tallentaminen yksilöllisesti merkittyihin Eppendorf-putkiin myöhempää molekyylitarkistusta varten.

VectorCam-järjestelmän koko työnkulku

Kuvaus- ja lataustehtävät vaativat vain kaksi käyttäjää: toinen kuvaamiseen ja toinen hyttysten lataamiseen ja varastointiin Ei vaadi paljon entomologista asiantuntemusta, ja jopa maaseudun terveystiimit voivat käyttää VectorCamia yksinkertaisella koulutuksella.

Sen lisäksi, että VectorCam on helppokäyttöinen, sen etuna on myös se, että se pystyy näyttämään hyttysten alueellisen jakautumisen entistä intuitiivisemmin, jolloin päättäjät voivat paremmin ymmärtää tilannetta ja arvioida lähialuetta hyttyslajin, sukupuolen, vatsaongelmia jne. ja ryhtyä vastaaviin toimenpiteisiin sen torjumiseksi. Edistää malarian hävittämistä kokonaan.

Kuvassa näkyy, kuinka verkosto "näkee" hyttysten ominaisuudet eri tasoilla ja näyttää intuitiivisesti sen lajin, vatsan tilan ja sukupuolijakauman.

Käytä tekoälyn tietokonekuuloa hyttysten "tunnistamiseen".

Mitä tulee matkapuhelimien käyttämiseen hyttysten havaitsemiseen, Bill Gates esitteli myös toisen saavutuksen - HumBugin.

Uusi järjestelmä on joukko koneoppimisalgoritmeja, jotka voivat tunnistaa hyttyslajit niiden siipien lyönnin perusteella käyttämällä älypuhelimien tallentamien hyttysten lentojen akustista allekirjoitusta (ääntä). (On käynyt ilmi, että erityyppiset hyttyset räpyttelevät siipiään eri nopeuksilla yksilön koon, iän ja ympäristön lämpötilaerojen vuoksi, ja siksi niillä on erilaisia ​​ääniä.)

HumBug-projektikohtainen työnkulku

Ja mikä vielä tärkeämpää, Humbug ei vaadi erityisten laitteiden käyttöä hyttysten keräämiseen, kuten VectorCam, mikä yksinkertaistaa hyttysten havaitsemisprosessia entisestään.

Humbug on vielä alkuvaiheessa, mutta onnistuessaan se voi johtaa automatisoituneeseen ja jatkuvaan valvontaan.

Esitellessä näitä teknologioita Bill Gates ilmaisi myös huolensa, ei teknisistä vaikeuksista, vaan muista poliittisista ja taloudellisista tekijöistä:

Yksi suurimmista haasteistamme ei ole tieteellinen vaan taloudellinen ja poliittinen.