University of California, Riverside haben Forscher eine Methode, die verschiedene Arten von Insekten mit bis zu 99 Prozent Genauigkeit , eine Entwicklung, die helfen könnten, die Landwirte beim Schutz ihrer Kulturen vor Insektenfraß und die Ausbreitung von Insekten übertragenen Krankheiten zu begrenzen klassifizieren können erstellt , wie zum Beispiel Malaria und Dengue- Fieber .
In den vergangenen 60 Jahren hat Insekten Klassifizierung Forschung durch Faktoren wie ein übermäßiges Vertrauen in akustische Messvorrichtungen , einem starken Fokus auf Flügelschlag Frequenz und begrenzte Daten beschränkt.
Die UC Riverside Forscher überwand diese Beschränkungen durch den Aufbau eines kostengünstigen WLAN- bug -Sensor, der viele InsektenflugVerhaltensmuster zu verfolgen und erzeugen viel größere Datenmengen, die dann in Klassifikationsalgorithmen eingearbeitet werden können kann .
In etwa drei Jahren , indem sie Dutzende von Sensoren parallel 24 Stunden lang am Tag, die UC Riverside Forscher haben Dutzende von Millionen von Datenpunkten , mehr als alle bisherigen Arbeiten auf diesem Gebiet kombiniert gesammelt.
"Wir wollten nicht zu wissen, was möglich war ", sagte Eamonn Keogh , ein Informatik-Professor an der UC Riverside Bourns College of Engineering . "Jetzt wird das Problem im Wesentlichen gelöst. Wir haben Insekten Klassifizierung Tools, die den weltweit führenden Entomologen in einem Bruchteil der Zeit zu übertreffen können erstellt. "
Die Forschungsergebnisse sind im Berichtsjahr für die Veröffentlichung in einer kommenden Ausgabe des Journal of Insect Behavior . Keogh der Co-Autoren sind : Yanping Chen, ein Informatik- Student an der UC Riverside ( Hauptautor ); Adena Warum ein Entomologie Doktorand an der UC Riverside ; Gustavo Batista , der Universität von Sao Paulo in Brasilien ; und Agenor Mafra - Neto , der ISCA Technologies in Riverside .
Gefüllt mit Tischen, Stühlen und Computern , Keogh Labor an der University of California, Riverside Bourns College of Engineering sieht aus wie viele Computer- Forschungslabors .
Aber , öffnen Sie die Schranktür und es gibt ein Kunststoffbehälter paar Dutzend Schuhkarton - Größe von einem örtlichen Tierhandlung , die jeweils bis zu 100 Insekten gefüllt und auf einen optischen Sensor verbunden ist. Der Sensor besteht aus einem Phototransistor -Array, das auf einer elektronischen Tafel und einem Laser zeigt auf die Phototransistorfeldes verbunden ist.
Wenn das Insekt gelangt über den Laserstrahl , die Flügel teilweise das Licht zu blockieren , was zu einem kleinen Lichtschwankungen . Die Schwankungen werden durch die Phototransistorfeld erfasst werden Änderungen der gegenwärtigen , wird das Signal dann gefiltert und durch die kundenspezifische Elektronik-Platine verstärkt. Der Ausgang der Elektronikplatine wird in ein digitales Audio-Recorder eingespeist und als MP3 aufgenommen und auf einen Computer übertragen .
Das Ziel ist, diese automatisierte Klassifizierung Verfahren einfach, preiswert und allgegenwärtig wie aktuelle Methoden wie Klebefallen und Abfangen Fallen zu machen, aber mit digitaler Vorteile wie eine höhere Genauigkeit , Echtzeit-Überwachung und die Fähigkeit, zusätzliche Flugverhaltensmusterzu sammeln.
In ihren Experimenten arbeiteten die UC Riverside Forscher mit sechs Arten von Insekten . Als sie zusätzliche InsektenflugVerhaltensmuster , ihre Klassifikationsalgorithmus hinzugefügt , sie waren in der Lage, ihren Erfolg Klassifizierung der verschiedenen Arten zu erhöhen.
Zum Beispiel , nur mit Flügelschlag klingt sie hatten eine 88 Prozent Erfolgsquote . Wenn sie hinzugefügt Tageszeit ist die Erfolgsquote stieg auf 95 Prozent. Dann wurde nach Zugabe Lage, erhöhte sich die Erfolgsrate auf 97 Prozent.
Die Forscher glauben , dass Erfolgsrate kann weiter durch Zugabe von zusätzlichen Variablen , wie beispielsweise Höhe, bei der die Insekten fliegen und Umweltvariablen , wie Temperatur und Feuchtigkeit verbessert werden.
In einem separaten Experiment getestet, die Forscher Klassifikationsgenauigkeit durch Zugabe einer zunehmenden Anzahl von Arten. Mit beiden Arten , sie hatten 99 Prozent Genauigkeit. Dieser Prozentsatz langsam zurückgegangen , da sie hat mehr Arten. Zum Beispiel mit fünf Arten hatten eine 96 Prozent Genauigkeitsrate und mit 10 Arten sie betrug 79 Prozent.
Seit Hunderten von Jahren haben die Menschen versucht, unerwünschte Insekten zu töten . Während einige Decke Methoden erfolgreich waren , können sie teuer sein können , und erstellen Umweltprobleme. Die von UC Riverside Forscher entwickelten Sensor zielt darauf ab, dies zu ändern durch Zählen und Klassifizieren der Insekten , so dass die verwendet werden, um die schädlichen Insekten auszurotten Substanz kann auf einem Präzisions- Zielniveau angewendet werden.
Keogh - die ursprünglich den Sensor mit Legos , eine 99 - Cent-Store Laser-Pointer und ein Stück von einer TV-Fernbedienung entwickelt - der Ansicht, dass die Sensoren für weniger als $ 10 gebaut werden und mit Solarstrom oder einer Batterie , die ein Jahr dauert versorgt werden.
Im nächsten Jahr , Keogh , der in Irland aufgewachsen und arbeitete Malerei Karussellpferde , während der Teilnahme an College in den USA , will sich auf den Einsatz der Sensoren auf der ganzen Welt konzentrieren. Derzeit werden sie in kleinem Maßstab in Brasilien und Hawaii verwendet .
Keogh ist mit einem Tovi Lehmann, ein Entomologe mit dem Labor von Malaria und Vektor Forschung am Nationalen Institut für Allergien und Infektionskrankheiten in Rockville, MD . Arbeiten , um sie in Mali zu implementieren.