Мониторинг насекомых-опылителей важен для сельского хозяйства и экологии, однако традиционные методы идентификации сложны, требуют много времени и часто подразумевают умерщвление насекомых. Исследователи предложили решение этой проблемы, используя машинное обучение для анализа радиолокационных данных. Статья о работе опубликована в издании PNAS Nexus.
Специалисты во главе с Адамом Нарбудовичем из Тринити-колледжа в Дублине применили машинное обучение для идентификации насекомых по изменениям в радиолокационном отражении, которые вызваны взмахами крыльев. Из радиолокационных сигнатур модель извлекла более 70 различных характеристик: гармонических, спектральных и временных.
Для обучения алгоритма насекомых отлавливали на территории Тринити-колледжа. Каждое насекомое по отдельности помещали в небольшой цилиндрический пластиковый контейнер, который устанавливали на антенну миллиметрового диапазона. После регистрации радиолокационных сигналов всех насекомых выпускали обратно на волю, что подчеркивает гуманный характер метода.
Адам Нарбудович, представляя результаты, пояснил, что ключевые отличительные признаки включали скорость изменения движений крыльев насекомого, а также основные частоты взмахов крыльев и другие параметры.
Разработанная модель показала высокую эффективность: она смогла различать пчел и ос с точностью 96%, а классификацию пяти видов насекомых до видового уровня удалось проводить с точностью 85%.
Ранее нейросеть точно определила «песни» синих китов.
