Loading...

Нейросети научились различать виды насекомых
OpenClipart-Vectors / Gerd Altmann / Pixabay

Российские ученые из Зоологического института РАН разработали систему машинного обучения, которая может идентифицировать виды насекомых, даже если они очень близки друг к другу. Это облегчит работу энтомологов. Исследование опубликовано в журнале Systematic Entomology.

По современным оценкам, в настоящее время известен приблизительно миллион видов насекомых. Их количество превышает сумму известных видов животных, растений и микроорганизмов. При этом не все виды насекомых описаны или классифицированы. Для идентификации тех или иных видов энтомологи часто руководствуются морфологическими признаками, причем различия могут быть крайне малы. Биологи используют для изучения насекомых оптическую и сканирующую электронную микроскопию. Из-за этого процесс идентификации насекомых не только долгий, но и дорогостоящий. Вдобавок при неверном определении вида насекомых могут быть вредные последствия, например, для сельского хозяйства, так как могут быть неправильно подобраны пестициды.

Российские ученые предложили использовать нейросети, обучив их различать виды насекомых. Для этого использовались экземпляры клопов-слепняков рода Adelphocoris из коллекции Зоологического института. Сейчас в этом роде насчитывается почти 50 видов, которые трудно различить. Для идентификации того или иного вида часто изучают строение половых органов самцов, однако для этого их нужно особым образом препарировать. После ознакомления с фотографиями более тысячи экземпляров насекомых нейросети сначала научились отличать виды клопов-слепняков друг от друга, затем  род Adelphocoris от других родов. Также нейросети оказались способны отличать самок и самцов внутри данного рода. Помимо фотографий коллекционных образцов из Зоологического института, нейросети хорошо опознавали насекомых и на фотографиях из интернета.

«Обученные нами модели не позволяют достаточно точно идентифицировать изображения Adelphocoris, полученные в живой природе, однако, сузив условия наших экспериментов, четко определив правила съемки, включая ракурс, мы достигли отличных результатов. Кроме того, мы хотели получить более интерпретируемую картину. Для этого мы генерировали теплокарты изображений, подаваемых на вход итоговым моделям. Теплокарты подтвердили, что классификация видов Adelphocoris основывается на ряде важных частей тела насекомого. Таким образом, с помощью машинного обучения мы смогли извлекать набор присущих Adelphocoris паттернов и принимать решение, к какому из заранее определенных на этапе обучения видов относится тот или иной экземпляр»,  рассказал Александр Попков, специалист по нейронным сетям.

В дальнейшем ученые планируют еще больше повысить точность разработанной системы машинного обучения. Их разработка важна не только для энтомологов-исследователей, но и для сельского хозяйства.


Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram.