Kernekoncepter
低コストで拡張可能なオープンソースの昆虫モニタリングシステムを開発し、標準化された画像取得と機械学習を用いて高精度な昆虫分類を実現する。
Resumé
本研究では、昆虫の多様性と個体数を保護するための重要な取り組みの一環として、低コストで拡張可能なオープンソースの昆虫モニタリングシステムを開発した。このシステムは、標準化された画像取得と機械学習を用いて高精度な昆虫分類を実現する。
具体的には以下の通り:
- 昆虫の形態的特徴を捉えるために、照明と解像度を最適化し、動きによるブラー効果を抑制した画像取得システムを開発した。
- 16種の昆虫を対象とした分類タスクを行い、ResNet-50、MobileNet、カスタムCNNモデルを評価した。
- 昆虫を切り抜いた画像を使うことで、96%を超える高精度な分類が可能であることを示した。
- 自動的な昆虫の切り抜きを実現するためにセマンティックセグメンテーションを活用した。
本システムは、市民科学者の参加を得ながら、低コストで拡張可能な昆虫モニタリングを実現するものである。多様な昆虫種の分類精度向上には、さらなるデータ収集と統合的なマルチセンサーアプローチが重要である。
Statistik
昆虫の移動速度は最大で50 cm/sに達し、1回の撮影中に25 μmの移動が観察された。
16種の昆虫を対象とした分類タスクでは、ResNet-50が全画像で96.85%、切り抜き画像で96.04%の精度を達成した。
MobileNetは全画像で87.76%、切り抜き画像で97.80%の精度を達成した。
カスタムCNNは全画像で70.58%、切り抜き画像で87.22%の精度を達成した。
Citater
"昆虫の多様性と個体数の保護は、私たち社会にとって最も重要な目標の1つである。"
"自動化されたモニタリングには、生きた昆虫の詳細な画像情報が不可欠である。"
"切り抜いた昆虫画像を使うことで、96%を超える高精度な分類が可能である。"