奥尔胡斯大学 东格陵兰偏远地区的昆虫监控摄像机
信用:Toke T
hye 科学家将人工智能和先进的计算机技术与生物知识相结合，以超自然的速度识别昆虫
这为描述未知物种和追踪昆虫在空间和时间上的生活开辟了新的可能性 昆虫是地球上最多样的动物群体，其中只有一小部分被发现并被正式描述
事实上，物种如此之多，在不久的将来发现所有的物种是不可能的
昆虫的巨大多样性也意味着它们在生态系统中有着非常不同的生活史和角色
例如，格陵兰岛的一只食蚁兽的生活与巴西雨林中的一只食蚁兽截然不同
但是，即使在这两个群体中的每一个群体中，也存在着许多物种，每个物种都有自己的特殊特征和生态作用
为了检查每个物种的生物学及其与其他物种的相互作用，有必要捕捉、识别和计数许多昆虫
不言而喻，这是一个非常耗时的过程，这在很大程度上限制了科学家深入了解外部因素如何塑造昆虫生命的能力
发表在《美国国家科学院院刊》上的一项新研究显示了先进的计算机技术和人工智能如何快速有效地识别和计数昆虫
对于科学家们来说，能够理解这一重要的动物群体是如何随着时间的推移而变化的，例如对栖息地丧失和气候变化的反应，这是向前迈出的一大步
特写昆虫(食蚊蝇)访花
信用:Hjalte M
稀有
曼 深度学习 “在先进摄像技术的帮助下，我们现在可以在现场收集数百万张照片
同时，当我们教计算机区分不同的物种时，计算机可以快速识别图像中的不同物种，并计算出每种物种的数量
资深科学家托克·特解释说:“与在野外或实验室的显微镜前用双筒望远镜人工识别和计数动物相比，这是一个游戏规则的改变。”
领导这项新研究的奥胡斯大学生物科学系和北极研究中心的海耶
支持这项研究的国际团队包括生物学家、统计学家以及机械、电气和软件工程师
本文描述的方法被称为深度学习，是人工智能的一种形式，主要用于其他研究领域，如无人驾驶汽车的开发
但是现在，研究人员已经展示了这项技术如何能够替代在昆虫的自然环境中人工观察昆虫的繁重任务，以及分类和识别昆虫样本的任务
“可以说，我们可以利用深度学习在干草堆中找到针——在广泛分布和常见物种的所有标本中的稀有或未描述物种的标本
在未来，所有琐碎的工作都可以由计算机完成，我们可以专注于最艰巨的任务，比如描述新物种，直到现在计算机还不知道，并解释我们将会有大量的新结果，”托克解释说
hye
当谈到昆虫和其他无脊椎动物的研究时，前面确实有许多任务，叫做昆虫学
一个原因是缺乏良好的数据库来比较未知物种和已经描述过的物种，但也因为相当大比例的研究人员集中在众所周知的物种上，如鸟类和哺乳动物
随着深入学习，研究人员希望能够迅速提高对昆虫的认识
用计算机视觉检测飞蛾的自动捕蛾器
信用:Toke T
赫耶和金·比耶格 长时间序列是必要的 为了理解昆虫种群是如何随时间变化的，需要在同一地点以同样的方式进行长时间的观察
这对于长时间序列的数据是必要的
一些物种变得越来越多，而另一些则越来越稀少，但是为了理解导致这些变化的机制，年复一年地进行同样的观察是至关重要的
一个简单的方法是将摄像机安装在同一个位置，对同一个局部区域拍照
例如，照相机可以每分钟拍一张照片
这将提供大量的数据，这些数据多年来可以为昆虫如何应对气候变暖或土地管理引起的变化提供信息
这种数据可以成为确保人类使用和保护自然资源之间适当平衡的重要工具
“在这些新方法被广泛应用之前，仍然有很多挑战，但是我们的研究指出了其他研究学科的一些结果，这些结果可以帮助解决昆虫学面临的挑战
在这方面，生物学家和工程师之间密切的跨学科合作至关重要
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
