νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Τα κουνούπια κατέχουν την πρώτη θέση μεταξύ των ζώων που προκαλούν θάνατο.

Σύμφωνα με στατιστικά στοιχεία του Παγκόσμιου Οργανισμού Υγείας (ΠΟΥ), περίπου 725.000 άνθρωποι παγκοσμίως πεθαίνουν από ασθένειες που προκαλούνται από τσιμπήματα κουνουπιών κάθε χρόνο και μόνο η ελονοσία θα προκαλέσει 608.000 θανάτους το 2022. Συγκριτικά, άλλα θανατηφόρα ζώα όπως φίδια, σκύλοι (με τη μετάδοση της λύσσας), κροκόδειλοι κ.λπ., αν και προκαλούν επίσης σημαντικό αριθμό θανάτων, οι αριθμοί είναι πολύ μικρότεροι σε σύγκριση με τα κουνούπια.

Σύγκριση του αριθμού των ανθρώπων που σκοτώνονται από διάφορα ζώα κάθε χρόνο

Αν και ο ΠΟΥ έκανε μια δήλωση για την πλήρη εξάλειψη της ελονοσίας ήδη από το 1955, σε πολλές περιοχές, η εξάλειψη της ελονοσίας έχει γίνει ένα παιχνίδι «χάκα-α-μολ». Κάθε φορά που πιστεύεται ότι η ελονοσία είναι υπό έλεγχο, σύντομα εμφανίζεται σε άλλη μορφή και μέχρι σήμερα δεν βρίσκεται ακόμη υπό αποτελεσματικό έλεγχο.

Για την εξάλειψη των ασθενειών που μεταδίδονται από τα κουνούπια ως φορείς, το πρώτο βήμα είναι ο εντοπισμός και η αναγνώριση διαφορετικών τύπων κουνουπιών.

Αυτό σημαίνει ότι εάν μπορείτε να προσδιορίσετε τους τύπους των κουνουπιών, μπορείτε να χρησιμοποιήσετε τα διαφορετικά χαρακτηριστικά τους για την εξάλειψη των κουνουπιών, όπως η εξάλειψη των τόπων αναπαραγωγής για κουνούπια που ζουν και τρέφονται σε εξωτερικούς χώρους και η χρήση κουνουπιών για κουνούπια που ζουν σε εσωτερικούς χώρους Είναι ένα αποτελεσματικό μέτρο καταπολέμησης των κουνουπιών.

Ο Μπιλ Γκέιτς, ο πρώην πλουσιότερος άνθρωπος του κόσμου, μοιράστηκε πρόσφατα μια νέα τεχνολογία για αυτόν τον σκοπό - την VectorCam. Μπορεί να αναγνωρίσει είδη κουνουπιών, φύλο, αν ρουφάει αίμα και γεννά αυγά, τραβώντας απλώς μια φωτογραφία ενός κουνουπιού μέσω της εφαρμογής:

Στην καταπολέμηση των κουνουπιών βλέπουμε επιτέλους καθαρά τον αντίπαλό μας.

Ο Bill Gates παρουσιάζει την τεχνολογία σε βίντεο

Χρησιμοποιήστε την όραση υπολογιστή AI για να «δείτε» τα κουνούπια

Σύμφωνα με αξιωματούχους της VectorCam, το σύστημα χρησιμοποιεί το VectorBrain, ένα νέο συνελικτικό νευρωνικό δίκτυο που χρησιμοποιείται για την αναγνώριση ειδών κουνουπιών, φύλου και κοιλιακής κατάστασης.

Ως μοντέλο τεχνητής νοημοσύνης ειδικά εκπαιδευμένο για την αναγνώριση κουνουπιών, το VectorBrain μπορεί να αναγνωρίσει με ακρίβεια 6 κύριους φορείς κουνουπιών, συμπεριλαμβανομένων των κύριων φορέων ελονοσίας, με ακρίβεια άνω του 90% σε περιβάλλοντα με περιορισμένους πόρους.

Το VectorBrain είναι μια αρχιτεκτονική EfficientNet πολλαπλών εργασιών που έχει σχεδιαστεί για ταξινόμηση κουνουπιών, εκπέμποντας ταυτόχρονα είδη, φύλο και κοιλιακή κατάσταση. Η αρχιτεκτονική αποτελείται από έναν εξαγωγέα χαρακτηριστικών και μια δομή διακλάδωσης, με κάθε κλάδο να αντιστοιχεί σε μια εργασία ταξινόμησης.

Όσον αφορά την αναγνώριση των κουνουπιών, το VectorBrain χρησιμοποιεί το ελαφρύ μοντέλο YOLO, το οποίο μπορεί να εντοπίσει τα κουνούπια σε πραγματικό χρόνο και να χρησιμοποιήσει τις ανιχνευμένες συντεταγμένες για να αποκόψει εικόνες που περιέχουν μόνο το ίδιο το κουνούπι για καλύτερη αναγνώριση.

Εικόνες που απεικονίζουν τα στάδια ταξινόμησης εικόνων κουνουπιών. Πρώτα, δείξτε την πλήρη εικόνα κουνουπιών που πρέπει να ταξινομηθεί (α). Στη συνέχεια, η εικόνα του κουνουπιού περικόπτεται σύμφωνα με τις συντεταγμένες χρησιμοποιώντας τον αλγόριθμο YOLO και εκτελείται μια σειρά μετασχηματισμών εικόνας για προετοιμασία για την ταξινόμηση (β). Τέλος, εμφανίζεται η έξοδος του αλγορίθμου ταξινόμησης, προσδιορίζοντας τα είδη κουνουπιών στην εικόνα (γ).

Συγκεκριμένα, η ακρίβεια, η ανάκληση και η μέση ακρίβεια (mAP) του μοντέλου YOLO κατά την εκπαίδευση και την επικύρωση ήταν 96,00%, 90,50% και 95,87% αντίστοιχα. Η ακρίβεια του μοντέλου ταξινόμησης κατηγορίας ήταν 92,40±2%, η ακρίβεια του μοντέλου ταξινόμησης φύλου ήταν 97,00±1%, και η ακρίβεια του μοντέλου ταξινόμησης κατάστασης της κοιλιάς ήταν 83,20±3,1%.

(α) είναι ο δείκτης απόδοσης του μοντέλου YOLO στην εκπαίδευση και επαλήθευση, (β) είναι η περίπτωση ανίχνευσης κουνουπιών από το μοντέλο

Πίνακας σύγχυσης και ακρίβεια για ταξινόμηση ανά είδος, φύλο και κατάσταση της κοιλιάς

Στο έγγραφο που παρέχει η VectorCam, το YOLOv5 που χρησιμοποιεί συγκρίνεται με το μοντέλο Faster R-CNN που χρησιμοποιείται ευρέως σε διάφορες εργασίες ανίχνευσης στόχων, το μέγεθος του μοντέλου, το mAP και τον χρόνο εκτέλεσης.

Ακόμη και ένας ξυπόλητος γιατρός μπορεί να ξεκινήσει γρήγορα

Δεν είναι μόνο ένα πιο στοχευμένο μεγάλο μοντέλο, το VectorCam έχει επίσης απλοποιηθεί σε συγκεκριμένες λειτουργίες προκειμένου να προσαρμοστεί σε περιοχές μετάδοσης ελονοσίας, ώστε να μπορεί να προσαρμοστεί καλύτερα στην πραγματική κατάσταση στις περιοχές μετάδοσης της ελονοσίας.

Συγκεκριμένα, το VectorCam περιλαμβάνει μια σουίτα εξειδικευμένων συσκευών απεικόνισης και μια εφαρμογή για κινητά. Τα εξαρτήματα υλικού περιλαμβάνουν ένα ελαφρύ κουτί με ενσωματωμένο φακό macro 15x, σχεδιασμό θήκης τηλεφώνου και βάση σύνδεσης. Το υλικό περιλαμβάνει επίσης θήκες σωλήνων Eppendorf και δίσκους κουνουπιών, καθώς και διάτρητα φύλλα ταυτότητας δειγμάτων για καλύτερη αποθήκευση αυτών των κουνουπιών.

Το λογισμικό της VectorCam είναι μια εφαρμογή που βασίζεται σε Android που λέγεται ότι μπορεί να αναγνωρίσει περισσότερους από 39 τύπους κουνουπιών, συμπεριλαμβανομένων των κοινών κουνουπιών καθώς και ορισμένων συγκεκριμένων τύπων κουνουπιών που είναι πιο πιθανό να φέρουν ασθένειες. τέλος Android τηλέφωνα.

Διασύνδεση χρήστη για φορητές συσκευές VectorCam

Η ροή εργασίας του συστήματος περιλαμβάνει την τοποθέτηση συλλεγμένων κουνουπιών στο υλικό, τη χρήση μιας εφαρμογής smartphone για τη λήψη μεγεθυμένων εικόνων των κουνουπιών και την αποθήκευση των κουνουπιών σε σωλήνες Eppendorf με μοναδική σήμανση για επακόλουθη μοριακή επικύρωση.

Ολόκληρη η ροή εργασιών του συστήματος VectorCam

Οι εργασίες απεικόνισης και φόρτωσης απαιτούν μόνο δύο χρήστες: ο ένας για την απεικόνιση και ο άλλος για τη φόρτωση και αποθήκευση κουνουπιών Δεν απαιτείται μεγάλη εντομολογική τεχνογνωσία και ακόμη και οι ομάδες υγείας της υπαίθρου μπορούν να χειριστούν το VectorCam με απλή εκπαίδευση.

Εκτός από το ότι είναι εύκολο στη χρήση, το VectorCam έχει επίσης το πλεονέκτημα ότι είναι σε θέση να εμφανίζει την περιφερειακή κατανομή των κουνουπιών με πιο διαισθητικό τρόπο, επιτρέποντας στους λήπτες αποφάσεων να κατανοήσουν καλύτερα την κατάσταση και να κρίνουν την τοπική περιοχή με βάση τα είδη κουνουπιών, το φύλο, κοιλιακών παθήσεων κ.λπ., και να λάβει τα αντίστοιχα μέτρα για την αντιμετώπισή της.

Η εικόνα δείχνει πώς το δίκτυο «αντιλαμβάνεται» τα χαρακτηριστικά των κουνουπιών σε διαφορετικά επίπεδα και εμφανίζει διαισθητικά το είδος, την κατάσταση της κοιλιάς και την κατανομή του φύλου.

Χρησιμοποιήστε την ακοή του υπολογιστή με τεχνητή νοημοσύνη για να «αναγνωρίσετε» τα κουνούπια

Όσον αφορά τη χρήση κινητών τηλεφώνων για την ανίχνευση κουνουπιών, ο Bill Gates παρουσίασε επίσης ένα άλλο επίτευγμα-HumBug.

Το νέο σύστημα είναι ένα σύνολο αλγορίθμων μηχανικής μάθησης που μπορούν να αναγνωρίσουν είδη κουνουπιών από τον ήχο των φτερών τους, χρησιμοποιώντας την ακουστική υπογραφή (ήχο) των θέσεων πτήσης κουνουπιών που καταγράφονται από smartphone. (Αποδεικνύεται ότι διαφορετικοί τύποι κουνουπιών χτυπούν τα φτερά τους με διαφορετικές ταχύτητες λόγω των διαφορών στο ατομικό μέγεθος, την ηλικία και τη θερμοκρασία περιβάλλοντος, και επομένως έχουν διαφορετικούς ήχους.)

Ροή εργασίας για συγκεκριμένο έργο HumBug

Και το πιο σημαντικό, το Humbug δεν απαιτεί τη χρήση ειδικών συσκευών για τη συλλογή κουνουπιών όπως το VectorCam, απλοποιώντας περαιτέρω τη διαδικασία ανίχνευσης κουνουπιών.

Το Humbug βρίσκεται ακόμα στα αρχικά του στάδια, αλλά εάν πετύχει θα μπορούσε να οδηγήσει σε πιο αυτοματοποιημένη και συνεχή παρακολούθηση.

Κατά την εισαγωγή αυτών των τεχνολογιών, ο Μπιλ Γκέιτς εξέφρασε επίσης ορισμένες ανησυχίες, όχι για τεχνικές δυσκολίες, αλλά για άλλους πολιτικούς και οικονομικούς παράγοντες:

Μία από τις μεγαλύτερες προκλήσεις που αντιμετωπίζουμε δεν είναι επιστημονική αλλά οικονομική και πολιτική.