論文の概要: Image background assessment as a novel technique for insect microhabitat
identification
- arxiv url: http://arxiv.org/abs/2305.18207v1
- Date: Fri, 26 May 2023 13:14:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 14:12:24.095459
- Title: Image background assessment as a novel technique for insect microhabitat
identification
- Title（参考訳）: 昆虫のマイクロハビタット識別のための新しい手法としての画像背景評価
- Authors: Sesa Singha Roy, Reid Tingley and Alan Dorin
- Abstract要約: 気候変動、都市化、農業は、昆虫が生息地を占める方法を変えつつある。
昆虫の微小生物利用に関する伝統的な研究は、機械学習に基づく昆虫画像解析によって補うことができる。
オーストラリア全土に分布する3種の昆虫(ドローンハエ、ヨーロッパ産ハチ、ヨーロッパ産ハチ)の微小生息地を分析した。
我々はハエとミツバチを天然のマイクロ生息地で発見し、都市内の自然保護区の必要性を確認しました。
- 参考スコア（独自算出の注目度）: 2.1485350418225244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The effects of climate change, urbanisation and agriculture are changing the
way insects occupy habitats. Some species may utilise anthropogenic
microhabitat features for their existence, either because they prefer them to
natural features, or because of no choice. Other species are dependent on
natural microhabitats. Identifying and analysing these insects' use of natural
and anthropogenic microhabitats is important to assess their responses to a
changing environment, for improving pollination and managing invasive pests.
Traditional studies of insect microhabitat use can now be supplemented by
machine learning-based insect image analysis. Typically, research has focused
on automatic insect classification, but valuable data in image backgrounds has
been ignored. In this research, we analysed the image backgrounds available on
the ALA database to determine their microhabitats. We analysed the
microhabitats of three insect species common across Australia: Drone flies,
European honeybees and European wasps. Image backgrounds were classified as
natural or anthropogenic microhabitats using computer vision and machine
learning tools benchmarked against a manual classification algorithm. We found
flies and honeybees in natural microhabitats, confirming their need for natural
havens within cities. Wasps were commonly seen in anthropogenic microhabitats.
Results show these insects are well adapted to survive in cities. Management of
this invasive pest requires a thoughtful reduction of their access to
human-provided resources. The assessment of insect image backgrounds is
instructive to document the use of microhabitats by insects. The method offers
insight that is increasingly vital for biodiversity management as urbanisation
continues to encroach on natural ecosystems and we must consciously provide
resources within built environments to maintain insect biodiversity and manage
invasive pests.
- Abstract（参考訳）: 気候変動、都市化、農業の影響は、昆虫が生息地を占める方法を変えつつある。
種によっては、自然の特徴を好むか、選択の余地がないためか、その存在のために人為的マイクロ居住の特徴を利用することもある。
他の種は天然の微小生物に依存している。
これらの昆虫の自然および人為的なマイクロ居住地の使用を同定および分析することは、環境の変化に対する反応を評価し、受粉を改善し、侵入性害虫を管理するために重要である。
昆虫の微小生物利用に関する伝統的な研究は、機械学習に基づく昆虫画像解析によって補うことができる。
通常、研究は昆虫の自動分類に焦点を当てているが、画像背景の貴重なデータは無視されている。
本研究では、ALAデータベースで利用可能な画像背景を分析し、それらの微小な居住地を判定する。
オーストラリア全土に分布する3種の昆虫(ハエ、ミツバチ、ハチ)の微小生息地を分析した。
画像背景は、コンピュータビジョンと手動分類アルゴリズムでベンチマークした機械学習ツールを用いて、自然または人為的な微小生物として分類された。
我々はハエとミツバチを天然のマイクロ生息地で発見し、都市内の自然保護区の必要性を確認しました。
スズメバチは人為的な微生物群によく見られる。
結果は、これらの昆虫が都市で生き残るのに適していることを示している。
この侵入性害虫の管理は、人為的な資源へのアクセスを慎重に減らさなければならない。
昆虫像背景の評価は、昆虫による微小生息地の使用を文書化するための指導である。
都市化が自然環境に浸透し続け、昆虫の多様性を維持し、侵入性害虫を管理するために、構築された環境内に資源を意識的に供給する必要がある。
関連論文リスト
- Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
昆虫生産には 最大限の可能性を実現するために 最適化が必要です
これは選択的育種による興味のある形質の改善が目的である。
このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
論文 参考訳（メタデータ） (2024-06-26T07:50:58Z) - A machine learning pipeline for automated insect monitoring [17.034158815607128]
カメラトラップは、これまでは地上の脊椎動物をモニタリングするために用いられていました。
われわれは、カメラトラップによるマウスの自動監視のための、完全なオープンソースの機械学習ベースのソフトウェアパイプラインについて説明する。
論文 参考訳（メタデータ） (2024-06-18T19:51:16Z) - Insect-Foundation: A Foundation Model and Large-scale 1M Dataset for Visual Insect Understanding [15.383106771910274]
現在のマシンビジョンモデルは、高性能を達成するために大量のデータを必要とする。
Insect-1M"データセットは,昆虫に関する基礎モデルトレーニングに革命をもたらすことを意図したゲーム変更リソースである。
私たちのデータセットは、昆虫の幅広い範囲をカバーしており、100万枚の画像を含む分類分類階層と昆虫の記載の密度の高い識別ラベルは、昆虫学のパノラマ的なビューを提供する。
論文 参考訳（メタデータ） (2023-11-26T06:17:29Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - Deep learning powered real-time identification of insects using citizen
science data [17.13608307250744]
InsectNetは、侵入した種を識別し、きめ細かい昆虫種を識別し、挑戦的な背景において効果的に働く。
また、不確実な場合には予測を控え、シームレスな人間の介入を助長し、実用的で信頼できるツールにもなれる。
論文 参考訳（メタデータ） (2023-06-04T23:56:53Z) - Application of the YOLOv5 Model for the Detection of Microobjects in the
Marine Environment [101.18253437732933]
海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
論文 参考訳（メタデータ） (2022-11-28T10:58:50Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - Florida Wildlife Camera Trap Dataset [48.99466876948454]
フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。
データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
論文 参考訳（メタデータ） (2021-06-23T18:53:15Z) - I-Nema: A Biological Image Dataset for Nematode Recognition [3.1918817988202606]
線虫は地球上で最も豊富な中生代グループの一つであり、多様な生態的ニッチを占有している。
ネマトドの正確な認識または識別は、害虫駆除、土壌生態学、生物地理学、生息地の保全、気候変動に対する大きな重要性を有する。
コンピュータビジョンと画像処理は、線虫の種認識にいくつかの成功をおさめたが、依然として大きな需要がある。
論文 参考訳（メタデータ） (2021-03-15T12:29:37Z) - Dynamic $\beta$-VAEs for quantifying biodiversity by clustering
optically recorded insect signals [0.6091702876917281]
本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。
南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
論文 参考訳（メタデータ） (2021-02-10T16:14:13Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。