MosquitoScanner; Fuldai Egyetem
Elektrotechnika és informatika
áttekintés
A "szúnyogszkenner" projekt részeként ki kell dolgozni egy rendszert a szúnyogok automatikus képi azonosítására. A szúnyogokat nagy felbontású kamera segítségével fényképezik, majd értékelik. Az egyik fő feladat itt algoritmusok kidolgozása ezen képadatok osztályozásához. Mivel a gépi látás rendkívül összetett probléma, a mesterséges intelligencia és a képfeldolgozás területéről származó módszereket kombinálják és tovább fejlesztik.
motiváció
Németországban több mint 50 különböző szúnyogfaj létezik, amelyekben a legtöbb kórokozó nem képes fennmaradni a jelenlegi éghajlati viszonyok között. Néhány közülük, például az Anopheles nemzetségből, amelynek Németországban hat különféle faja van, és a régóta fennálló Aedes nemzetséghez, kedvezőbb éghajlati viszonyok között kerül sor nem endémiás fertőző betegségek, például malária, dengue-láz, sárgaláz, Rift-völgy potenciális hordozójaként. A kérdéses láz, nyugat-nílusi láz és Chikungunya-láz [1].
A globális felmelegedéssel járó növekvő átlaghőmérséklet elősegíti a szúnyogok gyorsabb szaporodását, amelyek lárvái z. B. a halmentes városi medencékben képes optimálisan fejlődni, mivel ott nem eszik őket. A hőmérséklet emelkedése elősegíti a vírusok és más kórokozók szaporodását a szúnyogokban, és ezáltal növeli fertőzőképességüket. Ennek megfelelően az Aedes Aegyptivel (sárgaláz szúnyog) végzett Dengue-2 vírussal végzett laboratóriumi vizsgálatok azt mutatták, hogy a vírus replikációja a hőmérséklettel párhuzamosan nőtt [2]. A dengue vírus esetében a hőmérséklet jelentőségét egy modell segítségével számolták ki, és kiderült, hogy a klímában bekövetkezett kisebb változás is dengue láz járványokhoz vezethet [3].
A fent említett okokból van értelme új földrajzi monitoring rendszereket létrehozni a változó regionális fertőzési kockázatok észlelésére. Egy ilyen rendszer alapulhat például a szúnyogok képi felismerésén, és tartalmazhat integrált makrokamerával ellátott gyűjtőcsapdát, az azonosítandó szúnyogfajok referencia adatbázisát és beágyazott rendszert az automatikus azonosításhoz. Helyettesítheti a potenciálisan fertőző szúnyogfajok hagyományos és időigényes „vizuális” fénymikroszkópos besorolását a gyorsabb észlelés érdekében. A hagyományos gyűjtőcsapdákat egyes német régiókban már rutinszerűen használják a szúnyogok számlálására. Mivel a szúnyogok automatikus képi azonosítása rendkívül összetett probléma, a kimutatást először a faj szintjén kell elvégezni.
Eredmények
A projekt részeként képfeldolgozási módszert dolgoztak ki a szúnyogfajok fényképeken történő automatikus azonosítására.
A szúnyogok detektálásának kezdeti vizsgálata azt mutatja, hogy a képfeldolgozás egyszerű módszerei (hisztogram összehasonlítás és a színkvantált képek összehasonlítása) nem kielégítő megoldás a faj azonosítására [4]. Emiatt a mintafelismerés és a gépi tanulás területéről bonyolultabb módszereket adaptáltak. Az így kifejlesztett módszer három szúnyogfaj megkülönböztetésével 99% -os kimutatási arányt ér el [5]. Az értékeléshez szükséges képeket mi készítettük, és laboratóriumi szúnyogokból származnak. Összesen 112 kép állt rendelkezésre az Aedes, Anopheles és Cluex nemzetségekkel. Meg kell jegyezni, hogy itt félautomata feldolgozás zajlott. A későbbi felismerés elvégzéséhez először a rovart és a kép hátterét kézzel kellett elválasztani.
A háttér és a szúnyog automatikus elválasztását [6] hajtották végre. A fent leírt képfeldolgozási módszerbe való integráció még várat magára.
[1] Hemmer, C. J., Frimmel, S., Kinzelbach, R. és Gürtler, L.: Globális felmelegedés: A trópusi fertőző betegségek úttörői Németországban? German Medical Wochenschrift 132 (2007) 48, 2583-2589
[2] Watts, D. M., Burke, D. S., Harrsion, B. A., Whitmire, R. E. és Nisalak, A.: A hőmérséklet hatása az Aedes aegypti vektor hatékonyságára a Dengue 2 vírus esetében. Amer.J.Trop.Med.Hyg. 36 (1987) 1, 143-152
[3] Patz, J. A., Martens, W. J., Focks, D. A. és Jetten, T. H.: Dengue-láz járványpotenciál a globális klímaváltozás általános keringési modelljeivel előrejelezve. Környezet-egészségügyi perspektívák 106 (1998) 3, 147-153
[4] Jäger, J., Grigoriev, P., Wolff, V., Fricke-Neuderth, K., Günzel, V. és Schlott, T.: A potenciálisan fertőző szúnyogok automatikus felismerése. In: Puente León, F. (Szerk.): Forum Bildverarbeitung 2012. [29.-30. 2012. november Regensburgban]. Karlsruhe: KIT Tudományos Kiadó 2012
[5] Grigoriev, P., Jäger, J., Kornek, C., Wolff, V. és Fricke-Neuderth, K.: A szúnyognemzetek Superpixel-alapú osztályozása a bag-of-features módszerrel. In: Puente León, F. (Szerk.): Forum Bildverarbeitung 2014. [27.-28. 2014. november Regensburgban]. Karlsruhe: KIT Scientific Publishing 2014, 191–202
[6] Jäger, J., Wolff, V. és Fricke-Neuderth, K.: A szalicitási módszer kétlépcsős alkalmazása a szúnyogok detektálására. In: Puente León, F. (Szerk.): Forum Bildverarbeitung 2014. [27.-28. 2014. november Regensburgban]. Karlsruhe: KIT Scientific Publishing 2014, 203–214