基于图像处理与生物扩散的亚洲大黄蜂防控
人工智能
2021-11-29 v1 定量方法
摘要
出现在华盛顿州的亚洲大黄蜂（AGH）似乎具有生物入侵的潜在危险。华盛顿州已收集所发现昆虫的公众照片与视频用于核查及进一步调查。本文中，我们利用数据分析、统计学、离散数学与深度学习技术处理数据以控制 AGH 蔓延。首先，我们将华盛顿州昆虫的地理分布可视化。接着我们考察一年中不同月份与一月内不同日期的昆虫种群。第三，我们采用小波分析考察 AGH 的周期性扩散。第四，我们应用常微分方程考察不同自然增长率与反应速度下的 AGH 数量，并输出潜在传播系数。随后，我们利用元胞自动机结合潜在传播系数模拟变化潜在传播下的地理扩散。为更新模型，我们使用时滞微分方程模拟人类干预。我们利用检测时间与提交时间的时间差确定延迟时间的单位。此后，我们构建名为 SqueezeNet 的轻量 CNN 并评估其分类性能。继而关联若干无参考图像质量指标，包括 NIQE、图像梯度、熵、对比度与 TOPSIS，以判断误分类原因。此外，我们构建随机森林分类器仅基于图像质量辨识正负样本。我们亦展示特征重要性并进行误差分析。另者，我们给出敏感性分析以验证模型的鲁棒性。最后，我们展示模型的优劣并得出结论。
引用
@article{arxiv.2111.13562,
title = {Asian Giant Hornet Control based on Image Processing and Biological Dispersal},
author = {Changjie Lu and Shen Zheng and Hailu Qiu},
journal= {arXiv preprint arXiv:2111.13562},
year = {2021}
}