berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Nyamuk menduduki peringkat pertama di antara hewan penyebab kematian.

Menurut statistik Organisasi Kesehatan Dunia (WHO), sekitar 725.000 orang di seluruh dunia meninggal karena penyakit yang disebabkan oleh gigitan nyamuk setiap tahunnya, dan malaria saja akan menyebabkan 608.000 kematian pada tahun 2022. Dibandingkan dengan hewan mematikan lainnya seperti ular, anjing (penularan rabies), buaya, dan lain-lain, walaupun juga menyebabkan banyak kematian, namun jumlahnya jauh lebih kecil dibandingkan nyamuk.

Perbandingan jumlah orang yang dibunuh oleh berbagai hewan setiap tahunnya

Meskipun WHO telah mendeklarasikan pemberantasan malaria secara menyeluruh sejak tahun 1955, di banyak daerah, pemberantasan malaria telah menjadi sebuah permainan yang “mendera”. Setiap kali malaria dianggap terkendali, penyakit ini segera muncul dalam bentuk lain, dan hingga saat ini penyakit tersebut masih belum dapat dikendalikan secara efektif.

Untuk menghilangkan penyakit yang ditularkan oleh nyamuk sebagai vektor, langkah pertama yang dilakukan adalah mendeteksi dan mengidentifikasi berbagai jenis nyamuk. Hal ini bukan hanya karena jenis nyamuk yang berbeda membawa penyakit yang berbeda, tetapi juga karena nyamuk yang berbeda memiliki karakteristik kelangsungan hidup yang berbeda.

Artinya, jika Anda dapat mengidentifikasi jenis-jenis nyamuk, Anda dapat menggunakan karakteristiknya yang berbeda-beda untuk membasmi nyamuk, seperti menghilangkan tempat berkembang biak nyamuk yang hidup dan mencari makan di luar ruangan, dan menggunakan kelambu untuk nyamuk yang hidup di dalam ruangan banyak daerah. Ini adalah tindakan pengendalian nyamuk yang efektif.

Bill Gates, mantan orang terkaya di dunia, baru-baru ini membagikan teknologi baru untuk tujuan ini - VectorCam. Ia dapat mengidentifikasi spesies nyamuk, jenis kelamin, apakah ia menghisap darah dan bertelur hanya dengan mengambil foto seekor nyamuk melalui aplikasi:

Dalam pertarungan melawan nyamuk, kita akhirnya bisa melihat lawan kita dengan jelas.

Bill Gates memperkenalkan teknologinya dalam video

Gunakan visi komputer AI untuk “melihat” nyamuk

Menurut pejabat VectorCam, sistem ini menggunakan VectorBrain, jaringan saraf konvolusional baru yang digunakan untuk mengidentifikasi spesies nyamuk, jenis kelamin, dan status perut.

Sebagai model AI yang dilatih khusus untuk mengidentifikasi nyamuk, VectorBrain dapat secara akurat mengidentifikasi 6 vektor nyamuk utama, termasuk vektor utama malaria, dengan akurasi lebih dari 90% di lingkungan dengan sumber daya terbatas.

VectorBrain adalah arsitektur EfficientNet multi-tugas yang dirancang untuk klasifikasi nyamuk, sekaligus menghasilkan spesies, jenis kelamin, dan status perut. Arsitekturnya terdiri dari ekstraktor fitur dan struktur cabang, masing-masing cabang sesuai dengan tugas klasifikasi.

Dalam hal mengidentifikasi nyamuk, VectorBrain menggunakan model YOLO yang ringan, yang dapat menemukan lokasi nyamuk secara real-time dan menggunakan koordinat yang terdeteksi untuk memotong gambar yang hanya berisi nyamuk itu sendiri untuk identifikasi yang lebih baik.

Gambar ilustrasi tahapan klasifikasi gambar nyamuk. Pertama, tunjukkan gambar nyamuk secara lengkap yang perlu diklasifikasikan (a). Kemudian citra nyamuk dipotong sesuai koordinatnya menggunakan algoritma YOLO, dan dilakukan serangkaian transformasi citra untuk persiapan klasifikasi (b). Terakhir, keluaran dari algoritma klasifikasi ditampilkan, mengidentifikasi spesies nyamuk pada gambar (c).

Secara spesifik, presisi, perolehan, dan presisi rata-rata (mAP) model YOLO selama pelatihan dan validasi masing-masing sebesar 96,00%, 90,50%, dan 95,87%. Akurasi model klasifikasi kategori sebesar 92,40±2%, akurasi model klasifikasi jenis kelamin sebesar 97,00±1%, dan akurasi model klasifikasi status perut sebesar 83,20±3,1%.

(a) adalah indeks kinerja model YOLO dalam pelatihan dan verifikasi, (b) adalah kasus deteksi nyamuk oleh model

Matriks kebingungan dan akurasi klasifikasi berdasarkan spesies, jenis kelamin, dan status perut

Dalam makalah yang disediakan oleh VectorCam, YOLOv5 yang digunakannya dibandingkan dengan model R-CNN Lebih Cepat yang banyak digunakan dalam berbagai tugas deteksi target, YOLOv5 Kecil memiliki parameter, ukuran model, peta, dan waktu berjalan yang lebih baik.

Bahkan seorang dokter yang bertelanjang kaki pun dapat memulai dengan cepat

Tidak hanya model besar yang lebih tertarget, VectorCam juga telah disederhanakan dalam pengoperasiannya secara spesifik agar dapat beradaptasi dengan wilayah penularan malaria, sehingga dapat lebih beradaptasi dengan keadaan aktual di wilayah penularan malaria.

Secara khusus, VectorCam menyertakan serangkaian perangkat pencitraan khusus dan aplikasi seluler. Komponen perangkat kerasnya mencakup kotak lampu dengan lensa makro 15x internal, desain casing ponsel, dan stasiun dok. Perangkat kerasnya juga mencakup tempat tabung Eppendorf dan nampan nyamuk serta lembar ID spesimen berlubang untuk penyimpanan nyamuk yang lebih baik.

Perangkat lunak VectorCam merupakan aplikasi berbasis Android yang dikatakan mampu mengidentifikasi lebih dari 39 jenis nyamuk, termasuk nyamuk umum serta beberapa jenis nyamuk tertentu yang lebih mungkin membawa penyakit. akhir ponsel Android.

Antarmuka pengguna seluler VectorCam

Alur kerja sistem ini melibatkan penempatan nyamuk yang dikumpulkan ke dalam perangkat keras, menggunakan aplikasi ponsel cerdas untuk menangkap gambar nyamuk yang diperbesar, dan menyimpan nyamuk dalam tabung Eppendorf berlabel unik untuk validasi molekuler selanjutnya.

Seluruh alur kerja sistem VectorCam

Tugas pencitraan dan pemuatan hanya memerlukan dua pengguna: satu untuk pencitraan dan yang lainnya untuk memuat dan menyimpan nyamuk. Tidak banyak keahlian entomologi yang diperlukan, dan bahkan tim kesehatan pedesaan dapat mengoperasikan VectorCam dengan pelatihan sederhana.

Selain mudah dioperasikan, VectorCam juga memiliki keunggulan karena mampu menampilkan persebaran nyamuk secara regional dengan lebih intuitif, memungkinkan pengambil keputusan untuk lebih memahami situasi dan menilai wilayah setempat berdasarkan spesies nyamuk, jenis kelamin, kondisi perut, dll., dan mengambil tindakan yang sesuai untuk mengatasinya.

Gambar tersebut menunjukkan bagaimana jaringan “melihat” karakteristik nyamuk pada tingkat yang berbeda, dan secara intuitif menampilkan spesies, status perut, dan distribusi gendernya.

Gunakan pendengaran komputer AI untuk "mengidentifikasi" nyamuk

Dalam hal penggunaan ponsel untuk mendeteksi nyamuk, Bill Gates juga memperkenalkan prestasi lain-HumBug.

Sistem baru ini merupakan seperangkat algoritma pembelajaran mesin yang dapat mengidentifikasi spesies nyamuk melalui suara kepakan sayapnya, menggunakan tanda akustik (suara) dari nada terbang nyamuk yang ditangkap oleh ponsel pintar. (Ternyata berbagai jenis nyamuk mengepakkan sayapnya dengan kecepatan berbeda karena perbedaan ukuran individu, usia, dan suhu lingkungan, sehingga memiliki suara yang berbeda.)

Alur kerja spesifik proyek HumBug

Dan yang lebih penting, Humbug tidak memerlukan penggunaan perangkat khusus untuk mengumpulkan nyamuk seperti VectorCam, sehingga semakin menyederhanakan proses pendeteksian nyamuk.

Humbug masih dalam tahap awal, namun jika berhasil, hal ini dapat mengarah pada pemantauan yang lebih otomatis dan berkelanjutan.

Saat memperkenalkan teknologi ini, Bill Gates juga mengungkapkan kekhawatiran tertentu, bukan mengenai kesulitan teknis, namun mengenai faktor politik dan ekonomi lainnya:

Salah satu tantangan terbesar yang kita hadapi bukanlah tantangan ilmiah, melainkan finansial dan politik.