便攜AI設備數秒識別病媒蚊
月 比 |
| | | 
|
世界衛生
組織將蚊子列
為地球上最致
命的動物
|
| | 
|
該設備借助AI分析蚊子翅膀的拍打聲，即時識別蚊種，實現
快速、精準、低功耗的病媒監測。
|
| | 
|
團隊基蘭 ·
特里維迪博士使
用蚊子聲音數據訓練模型
|
| | 
|
在瑞士日內瓦，人們參加“人工智能造福人類全球峰
會”。
|
| 便攜AI設備數秒識別病媒蚊 澳大利亞伍倫貢大學科學家研製出一款低成本可攜式裝置，能在數秒鐘內，通過捕捉蚊子翅膀的拍打聲，精準識別傳播疾病的三大蚊種——伊蚊、按蚊和庫蚊，為追蹤瘧疾、登革熱等蚊媒傳染病提供了遠比傳統方法快捷的替代方案。研究團隊日前在日內瓦舉行的聯合國“人工智能造福人類全球峰會”上展示了這一成果。 這款設備無需聯網，基於“微型機器學習”(TinyML)打造。TinyML是機器學習的前沿分支，旨在讓AI模型直接運行在小型低功耗芯片上，而不依賴強大的電腦或雲端，從而實現智能無處不在。 世界衛生組織將蚊子列為地球上最致命的動物，其每年奪走數十萬人的生命。傳統蚊媒監測雖然準確，卻耗時漫長。科學家需從繁殖地採集水樣，再於實驗室分析幼蟲才能確定種類。團隊發現，聲音可更快速地完成同樣任務。每種蚊子振翅的方式各有不同，就像一種微妙而獨特的“聲學指紋”。基於此，他們開發出一款AI模型。 利用公開錄音數據訓練後，該模型識別準確率達到百分之八十八點三，對於此類音訊分類任務已相當可靠。隨着麥克風性能提升和錄音清晰度增加，準確率還能進一步攀升。模型被部署在一個基於Arduino的小型設備上，這塊低成本、可程式設計的電路板內置了麥克風和顯示幕。 團隊基蘭·特里維迪博士表示，隨着性能更優的麥克風以及質量更高的音訊數據出現，該設備的識別性能仍有極大的提升空間。此外，他還提到多台設備聯動部署能夠讓檢測性能得到質的飛躍。相較於單一探測器，多設備共同運作可以對整片區域的蚊蟲種群實現持續性監測，即時標註攜帶病原體蚊蟲的分佈區域，自動生成動態視覺化地圖。 研究團隊認為，這項技術真正的威力在於規模化部署：設備網絡可全天候監聽蚊子活動，並將結果彙聚成即時地圖。就像導航軟件即時呈現路況一樣，這套系統能直觀顯示病媒蚊的聚集地。社區和公共衛生機構借此能夠在疫情暴發前就及早發現熱點，主動應對，而不再是被動等待。 月比
|