利用计算机视觉技术自动监测诱捕标本中的蚊媒
计算机视觉与模式识别
2020-07-23 v2 机器学习
摘要
在所有动物中，蚊子造成的全球死亡人数最多。有趣的是，并非所有类型的蚊子都传播疾病，而是仅有少数几种具备足够传播能力。在发生任何疾病暴发时，重要第一步是监测媒介（即那些能够传播疾病的蚊子）。如今，公共卫生工作者在相关区域布置若干蚊陷阱。会有数百只蚊子被捕获。自然，在这数百只中，分类学家必须识别其中的媒介以估算其密度。该过程目前是人工的，需要复杂的专业知识/培训，并基于对显微镜下每个诱捕标本的视觉检查。它漫长、紧张且自我受限。本文针对此问题提出创新解决方案。我们的技术假定存在嵌入式相机（类似智能手机中的相机）可对诱捕蚊子拍照。我们在此提出的技术随后将处理这些图像以自动分类属和物种类型。我们基于 Inception-ResNet V2 和迁移学习的 CNN 模型，在 250 个诱捕蚊媒标本经由多部智能手机相机捕获的 25,867 张图像上训练后，分类蚊子总体准确率达 80%。特别地，我们的模型在分类埃及伊蚊（Aedes aegypti）和斯氏按蚊（Anopheles stephensi）蚊子（二者均为致命媒介）方面的准确率位居最高之列。我们在文末呈现所得重要经验与技术的实际影响。
引用
@article{arxiv.2005.12188,
title = {Automating the Surveillance of Mosquito Vectors from Trapped Specimens Using Computer Vision Techniques},
author = {Mona Minakshi and Pratool Bharti and Willie B. McClinton and Jamshidbek Mirzakhalov and Ryan M. Carney and Sriram Chellappan},
journal= {arXiv preprint arXiv:2005.12188},
year = {2020}
}