論文の概要: Female mosquito detection by means of AI techniques inside release containers in the context of a Sterile Insect Technique program

• arxiv url: http://arxiv.org/abs/2306.10843v1
• Date: Mon, 19 Jun 2023 10:45:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 18:07:09.495803
• Title: Female mosquito detection by means of AI techniques inside release containers in the context of a Sterile Insect Technique program
• Title（参考訳）: Sterile Insect Technique プログラムにおける放流容器内AI技術を用いた女性の蚊検出
• Authors: Javier Naranjo-Alcazar, Jordi Grau-Haro, David Almenar and Pedro Zuccarello
• Abstract要約: SIT(Sterile Insect Technique)は、個体群を管理対象とする昆虫の無菌雄の環境への放散に基づく生物害虫防除技術である。 本報告では,SITプログラム用蚊放流槽におけるメスの発見について述べる。 容器は実験装置に収められ、内部の蚊の飛行音を録音することができた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Sterile Insect Technique (SIT) is a biological pest control technique based on the release into the environment of sterile males of the insect species whose population is to be controlled. The entire SIT process involves mass-rearing within a biofactory, sorting of the specimens by sex, sterilization, and subsequent release of the sterile males into the environment. The reason for avoiding the release of female specimens is because, unlike males, females bite, with the subsequent risk of disease transmission. In the case of Aedes mosquito biofactories for SIT, the key point of the whole process is sex separation. This process is nowadays performed by a combination of mechanical devices and AI-based vision systems. However, there is still a possibility of false negatives, so a last stage of verification is necessary before releasing them into the environment. It is known that the sound produced by the flapping of adult male mosquitoes is different from that produced by females, so this feature can be used to detect the presence of females in containers prior to environmental release. This paper presents a study for the detection of females in Aedes mosquito release vessels for SIT programs. The containers used consist of PVC a tubular design of 8.8cm diameter and 12.5cm height. The containers were placed in an experimental setup that allowed the recording of the sound of mosquito flight inside of them. Each container was filled with 250 specimens considering the cases of (i) only male mosquitoes, (ii) only female mosquitoes, and (iii) 75% males and 25% females. Case (i) was used for training and testing, whereas cases (ii) and (iii) were used only for testing. Two algorithms were implemented for the detection of female mosquitoes: an unsupervised outlier detection algorithm (iForest) and a one-class SVM trained with male-only recordings.
• Abstract（参考訳）: 滅菌害虫防除技術 (sit: sterile insect technique) は, 個体群を制御すべき昆虫種の滅菌雄の環境への放散に基づく生物害虫防除技術である。 SITプロセス全体は、バイオファクトリー内での大量採取、性別による標本の選別、殺菌、およびその後の不妊雄の環境への放出を含む。 雌の検体が放たれるのを避ける理由は、オスとは異なり、メスが噛みつき、その後の感染のリスクがあるためである。 sit のための aedes 蚊の生体因子の場合、プロセス全体のキーポイントは性分離である。 このプロセスは現在、機械装置とaiベースのビジョンシステムの組み合わせによって実行される。 しかし、偽陰性の可能性はまだ残っているため、環境に放出する前には検証の最終段階が必要である。 成体の雄蚊の羽ばたきによる音は雌の鳴き声とは異なることが知られており、この特徴は環境放出前の容器内のメスの存在を検出するのに利用できる。 本報告では,SITプログラム用蚊放流槽におけるメスの発見について述べる。 使用容器はpvcの直径8.8cm、高さ12.5cmの管状設計であった。 容器は実験装置に収められ、内部の蚊の飛行音を録音することができた。 各容器には250個の標本が詰め込まれており (i)雄の蚊のみ。 (ii)雌蚊のみ、 (iii)男性75%、女性25%。 ケース (i)訓練・試験に用いられたが、例 (ii)および (iii)は試験にのみ用いられた。 メスの蚊の検出には,iforest (unsupervised outlier detection algorithm) とsvm (one-class svm) という2つのアルゴリズムが実装された。

関連論文リスト

• Automated detection of Zika and dengue in Aedes aegypti using neural spiking analysis [8.034395623865906]
  Aedes aegypti 蚊は多くの医療上重要なウイルスの主要なベクターである。 現在、蚊にはオープンソースのニューラルスパイク分類方法がない。 我々は,非感染,デング熱,ジカ熱感染蚊の神経スパイクを分類する,革新的な人工知能に基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T04:52:54Z)
• mAedesID: Android Application for Aedes Mosquito Species Identification using Convolutional Neural Network [0.0]
  Aedes 蚊ベクターの拡散を減らしてデング病を抑えることが重要である。 コミュニティの意識は、エイデスのプログラムを確実に制御し、コミュニティに活発な参加を促すために、厳しい役割を担っている。 深層学習畳み込みニューラルネットワーク (CNN) アルゴリズムを用いて, Aedes の蚊種を特定するモバイルアプリケーション mAedesID を開発した。
  論文  参考訳（メタデータ） (2023-05-02T14:20:13Z)
• Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
  本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。 コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。 以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
  論文  参考訳（メタデータ） (2023-04-24T08:17:16Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• GANTouch: An Attack-Resilient Framework for Touch-based Continuous Authentication System [49.54053354664652]
  本研究は,新規なジェネレーティブ・アドバイサル・ネットワークを用いたTCASフレームワークを提案し,それを3つのアクティブ・ディバイサル環境下でのV-TCASと比較する。 G-TCASはポピュレーションとランダムベクターの下ではV-TCASよりも弾力性があり、ゼロエフォートよりも敵のシナリオにダメージを与えた。 以上の結果から, 活発な対向環境下でのTCASの評価と, TCASパイプラインにおけるGANの有用性を確認することが示唆された。
  論文  参考訳（メタデータ） (2022-10-02T20:58:04Z)
• A Mosquito is Worth 16x16 Larvae: Evaluation of Deep Learning Architectures for Mosquito Larvae Classification [0.04170934882758552]
  本研究では、視覚変換器(ViT)を応用して、AedesおよびCulex幼虫の画像分類を改善する。 ViT-BaseとCvT-13の2つのモデルと2つのCNNモデルであるResNet-18とConvNeXTは、蚊幼虫の画像データに基づいて訓練され、蚊幼虫をAedesまたはCulexと区別する最も効果的なモデルを決定するために比較された。
  論文  参考訳（メタデータ） (2022-09-16T04:49:50Z)
• Intestinal Parasites Classification Using Deep Belief Networks [53.20999552522241]
  40億ドルの人々が腸内寄生虫に感染している。 人間の視覚検査はまだ臨床診断の大部分を担当している。 腸内寄生虫自動分類の文脈に深層信念ネットワークを導入する。
  論文  参考訳（メタデータ） (2021-01-17T18:47:02Z)
• One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
  三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。 2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
  論文  参考訳（メタデータ） (2020-12-14T10:44:22Z)
• Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep Networks with Spatio-Temporal Consistency [2.4858193569899907]
  Aedes aegypti 蚊はデングジカ、チクングニャ、都市部の黄熱といった病気に感染する。 これらの病気に対処するための主要な形態は、蚊の繁殖地を探し、排除することで蚊の繁殖を避けることである。 本研究では,蚊の繁殖場所を含む無人航空機で取得した航空映像の包括的データセットを紹介する。
  論文  参考訳（メタデータ） (2020-07-29T14:30:54Z)
• Deep Partition Aggregation: Provable Defense against General Poisoning Attacks [136.79415677706612]
  アドリアリン中毒は、分類器の試験時間挙動を損なうために訓練データを歪ませる。 毒殺攻撃に対する2つの新たな防御策を提案する。 DPAは一般的な中毒脅威モデルに対する認証された防御である。 SS-DPAはラベルフリップ攻撃に対する認証された防御である。
  論文  参考訳（メタデータ） (2020-06-26T03:16:31Z)
• Automating the Surveillance of Mosquito Vectors from Trapped Specimens Using Computer Vision Techniques [2.9822608774312327]
  Aedes aegypti と Anopheles Stephensi の蚊(どちらも致命的なベクター)について研究した。 Inception-ResNet V2とTransfer Learningに基づくCNNモデルは、蚊の分類において全体の80%の精度を得た。 特に,Aedes aegypti と Anopheles stephensi の分類の精度が最も高い。
  論文  参考訳（メタデータ） (2020-05-25T15:58:27Z)

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。