Автоматическая световая ловушка для мониторинга молей (Lepidoptera) с использованием отслеживания на основе компьютерного зрения и глубокого обучения

Методы мониторинга насекомых обычно требуют значительных затрат времени и существенных ресурсов на идентификацию видов после ручного отлова в полевых условиях. Обслуживание ловушек для насекомых часто проводится лишь раз в неделю, что приводит к низкому временному разрешению данных мониторинга и затрудняет их экологическую интерпретацию. В данной статье представлена портативная система компьютерного зрения, способная привлекать и обнаруживать живых насекомых. В частности, предлагается выявлять и классифицировать виды путем регистрации изображений живых особей, привлеченных световой ловушкой. Автоматическая ловушка для молей (Automated Moth Trap, AMT), оснащенная несколькими источниками света и камерой, была разработана для привлечения и мониторинга живых насекомых в сумеречное и ночное время. Алгоритм компьютерного зрения, названный классификацией и подсчетом молей (Moth Classification and Counting, MCC), основанный на анализе полученных изображений с помощью глубокого обучения, отслеживал и подсчитывал число насекомых и идентифицировал виды молей. Наблюдения в течение 48 ночей позволили получить более 250 000 изображений, в среднем по 5675 изображений за ночь. Специализированная сверточная нейронная сеть была обучена на 2000 размеченных изображениях живых молей, представленных восемью различными классами, и достигла высокого значения F1-меры на валидационной выборке — 0,93. Средние значения F1-меры классификации и отслеживания, рассчитанные алгоритмом, составили 0,71, а коэффициент обнаружения при отслеживании — 0,79. В целом предложенные система компьютерного зрения и алгоритм продемонстрировали перспективность в качестве недорогого решения для неразрушающего и автоматизированного мониторинга молей.