Мониторинг численности комаров — краеугольный камень эпидемиологического надзора, особенно в условиях растущей угрозы трансмиссивных инфекций. Традиционные методы отлова требуют значительных трудозатрат и не всегда обеспечивают точность идентификации видов. Исследователи из китайской провинции Чжэцзян решили проверить, могут ли технологии искусственного интеллекта революционизировать этот процесс.
В рамках полевого исследования, опубликованного в Frontiers in Veterinary Science, авторы провели масштабное сравнение четырех методов мониторинга комаров: традиционных световых ловушек, BG-ловушек и двух ИИ-систем — Chengwen Jingling и CAMMADE.
Битва технологий: кто кого
Результаты оказались неожиданными для сторонников полной автоматизации. Световые ловушки по-прежнему лидируют по эффективности отлова — 14,56 комаров за ночь против 5,62 у лучшей ИИ-системы Chengwen Jingling. BG-ловушки показали средний результат — 6,34 комара за час работы.
Однако главная проблема ИИ-систем кроется не только в количестве пойманных насекомых, но и в точности их распознавания. Ловушка Chengwen Jingling демонстрировала относительную погрешность 25,67% при оценке плотности популяции, но ошибалась на 179% при идентификации комаров рода Aedes — основных переносчиков лихорадки денге и Зика.
Еще более тревожные показатели выявились у системы CAMMADE: погрешность оценки плотности составила 105%, что фактически означает двукратную ошибку в подсчетах.
Гибридный подход как компромисс
Исследователи пришли к выводу, что полная замена традиционных методов ИИ-технологиями пока преждевременна. Несмотря на очевидные преимущества автоматизированного мониторинга — круглосуточную работу без участия человека и возможность удаленного контроля — текущие алгоритмы распознавания нуждаются в серьезной доработке.
Авторы публикации предлагают гибридный подход: использование ИИ-систем для непрерывного мониторинга с периодической калибровкой результатов традиционными методами. Такая стратегия позволит получить преимущества обеих технологий, минимизируя их недостатки.
Полученные данные особенно важны для ветеринарной медицины, поскольку многие трансмиссивные инфекции поражают как людей, так и животных. Точный мониторинг векторов болезней критически важен для предотвращения эпизоотий и защиты здоровья как домашних, так и сельскохозяйственных животных.