новости

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Комары занимают первое место среди животных, вызывающих смерть.

По статистике Всемирной организации здравоохранения (ВОЗ), ежегодно от болезней, вызванных укусами комаров, во всем мире умирают около 725 000 человек, а одна только малярия станет причиной 608 000 смертей в 2022 году. Для сравнения, другие смертоносные животные, такие как змеи, собаки (переносящие бешенство), крокодилы и т. д., хотя они также вызывают значительное количество смертей, их число намного меньше по сравнению с комарами.

Сравнение количества людей, ежегодно убитых различными животными

Хотя ВОЗ выступила с заявлением о полной ликвидации малярии еще в 1955 году, во многих регионах ликвидация малярии превратилась в игру «ударь крота». Каждый раз, когда считается, что малярия находится под контролем, она вскоре появляется в другой форме, и по сей день она все еще не находится под эффективным контролем.

Чтобы устранить болезни, передающиеся комарами как переносчиками, первым шагом является обнаружение и идентификация различных типов комаров. Это происходит не только потому, что разные виды комаров переносят разные заболевания, но и потому, что разные комары имеют разные характеристики выживания.

Это означает, что если вы можете идентифицировать типы комаров, вы можете использовать их различные характеристики для уничтожения комаров, например, уничтожение мест размножения комаров, которые живут и кормятся на открытом воздухе, и использование противомоскитных сеток для комаров, живущих в помещении. во многих районах Это эффективная мера борьбы с комарами.

Билл Гейтс, бывший богатейший человек мира, недавно поделился новой технологией для этой цели — VectorCam. Он может определить вид комара, пол, сосет ли он кровь и откладывает яйца, просто сфотографировав комара через приложение:

В борьбе с комарами мы наконец ясно видим своего противника.

Билл Гейтс представляет технологию в видео

Используйте компьютерное зрение с искусственным интеллектом, чтобы «видеть» комаров

По словам представителей VectorCam, система использует VectorBrain, новую сверточную нейронную сеть, используемую для определения вида комаров, пола и состояния брюшной полости.

Будучи моделью искусственного интеллекта, специально обученной для идентификации комаров, VectorBrain может точно идентифицировать 6 основных переносчиков комаров, включая основных переносчиков малярии, с точностью более 90% в условиях ограниченных ресурсов.

VectorBrain — это многозадачная архитектура EfficientNet, предназначенная для классификации комаров, одновременно выдающая вид, пол и состояние брюшной полости. Архитектура состоит из экстрактора признаков и структуры ветвей, каждая из которых соответствует задаче классификации.

Что касается идентификации комаров, VectorBrain использует облегченную модель YOLO, которая может обнаруживать комаров в режиме реального времени и использовать обнаруженные координаты для обрезки изображений, содержащих только самого комара, для лучшей идентификации.

Картинки, иллюстрирующие этапы классификации изображений комаров. Сначала покажите полное изображение комара, которое необходимо классифицировать (а). Затем изображение комара обрезается по координатам с помощью алгоритма YOLO и выполняется серия преобразований изображения для подготовки к классификации (б). Наконец, показаны выходные данные алгоритма классификации, идентифицирующие виды комаров на изображении (c).

В частности, точность, полнота и средняя точность (mAP) модели YOLO во время обучения и проверки составляли 96,00%, 90,50% и 95,87% соответственно. Точность модели классификации категорий составила 92,40 ± 2%, точность модели классификации по полу - 97,00 ± 1%, а точность модели классификации абдоминального статуса - 83,20 ± 3,1%.

(a) — показатель эффективности модели YOLO при обучении и проверке, (b) — случай обнаружения комаров моделью.

Матрица путаницы и точность классификации по видам, полу и состоянию брюшной полости

В документе, предоставленном VectorCam, используемый YOLOv5 сравнивается с моделью Faster R-CNN, которая широко используется в различных задачах обнаружения целей. YOLOv5 Small имеет лучшие параметры, размер модели, mAP и хорошую производительность.

Даже босоногий врач сможет быстро приступить к работе.

VectorCam не только является более целенаправленной крупной моделью, но также была упрощена в конкретных операциях, чтобы адаптироваться к зонам передачи малярии, чтобы она могла лучше адаптироваться к реальной ситуации в зонах передачи малярии.

В частности, VectorCam включает в себя набор специализированных устройств обработки изображений и мобильное приложение. Аппаратная часть включает в себя световой короб со встроенным макрообъективом 15x, чехол для телефона и док-станцию. В комплект оборудования также входят держатели пробирок Eppendorf и противомоскитные лотки, а также перфорированные идентификационные листы для образцов для лучшего хранения этих комаров.

Программное обеспечение VectorCam представляет собой приложение на базе Android, которое, как утверждается, способно идентифицировать более 39 типов комаров, включая обычных комаров, а также некоторые конкретные типы комаров, которые с большей вероятностью являются переносчиками заболеваний. Алгоритм был оптимизирован для работы на более низких уровнях. конец телефонов Android.

Мобильный пользовательский интерфейс VectorCam

Рабочий процесс системы включает помещение собранных комаров в оборудование, использование приложения для смартфона для получения увеличенных изображений комаров и хранение комаров в пробирках Эппендорфа с уникальной маркировкой для последующей молекулярной проверки.

Весь рабочий процесс системы VectorCam

Для задач визуализации и загрузки требуется всего два пользователя: один для визуализации, а другой для загрузки и хранения комаров. Не требуется особых энтомологических знаний, и даже бригады сельских врачей могут работать с VectorCam после простого обучения.

Помимо простоты в эксплуатации, VectorCam также имеет то преимущество, что может отображать региональное распределение комаров более интуитивно понятным способом, что позволяет лицам, принимающим решения, лучше понять ситуацию и оценить местность на основе видов комаров, пола, заболевания брюшной полости и т. д., и принять соответствующие меры для борьбы с ней.

На снимке видно, как сеть «воспринимает» характеристики комаров на разных уровнях и интуитивно отображает их вид, состояние брюшной полости и гендерное распределение.

Используйте компьютерный слух с искусственным интеллектом, чтобы «идентифицировать» комаров

Что касается использования мобильных телефонов для обнаружения комаров, Билл Гейтс также представил еще одно достижение — HumBug.

Новая система представляет собой набор алгоритмов машинного обучения, которые могут идентифицировать виды комаров по звуку взмахов их крыльев, используя акустическую сигнатуру (звук) высоты полета комаров, зафиксированную смартфонами. (Оказывается, разные виды комаров машут крыльями с разной скоростью из-за различий в индивидуальных размерах, возрасте и температуре окружающей среды и, следовательно, издают разные звуки.)

Рабочий процесс проекта HumBug

И что еще более важно, Humbug не требует использования специальных устройств для сбора комаров, таких как VectorCam, что еще больше упрощает процесс обнаружения комаров.

Обман все еще находится на ранней стадии, но в случае успеха он может привести к более автоматизированному и непрерывному мониторингу.

При внедрении этих технологий Билл Гейтс также выразил определенную обеспокоенность не техническими трудностями, а другими политическими и экономическими факторами:

Одна из самых больших проблем, с которыми мы сталкиваемся, не научная, а финансовая и политическая.