圭尔夫大学的一个研究团队设计了一种更快的方法，通过使用数字摄影和人工智能（AI）分析大量昆虫样本来测量环境中生物多样性的增加和减少。
昆虫种群可以告诉我们很多有关生态系统健康状况及其生物多样性状况的信息。
与手工计算大量样本并使用显微镜对每个昆虫进行分类的传统方法不同，这种称为 BugShot 的新方法可以捕获样本的高分辨率照片，并使用深度学习计算机视觉人工智能来快速识别样本中的每个昆虫可能超过 1,000 个错误。
研究人员估计，新方法可以将这个过程从使用传统方法的大约一年缩短到使用 BugShot 的一两个小时。
该研究的目的是找到一种更好的方法来评估农业食品部门栖息地恢复所带来的生物多样性增益。然而，它具有更广泛的保护应用，环境和生物行为的变化如何影响消费者资源动态的国际专家约翰·弗莱克塞尔博士说。
该研究最近发表在《生态学与进化方法》上，展示了人工智能如何对错误进行分类，以及如何扩大在实验室中使用的过程。
数据对于了解生物多样性的变化至关重要
“我们用这种方法所做的事情的关键是，我们打开了获取更多信息的窗口，这对于评估生物多样性变化的根本原因至关重要，”生物科学学院教授弗里克塞尔说。他与工程与物理科学学院博士后研究员Stefan Schneider 博士以及 工程学院的Graham Taylor 博士和计算机科学学院的Stefan Kremer 博士合作进行了这项研究。
弗里克塞尔说，分子技术告诉我们哪些物种生活在生态系统中，但不能告诉我们有多少物种、它们有多大或它们在生态中扮演什么角色。他说，这些数据对于了解生物多样性丧失的生态触发因素以及实施有效的补救措施至关重要。
施奈德说，昆虫计数被用来衡量生物多样性的改善或下降，但传统的计数方法既费力又耗时。BugShot 可以消除数据收集过程中的瓶颈并更快地获得结果。
“世界各地节肢动物的多样性呈下降趋势，我们一直在努力以任何方式记录这一点，”他说。
传统上，生态学家使用不适陷阱或大型帐篷状结构来捕捉昆虫。无论爬进陷阱的是什么，都会被收集起来，储存在乙醇浴中，然后运送到实验室。在那里，实验室技术人员在显微镜下观察每个单独的样本，以确定它到底是什么。
与传统方法相比，快速物种鉴定
“拿着一把镊子和一台显微镜坐在那里，一次仔细地检查这些是相当耗费人力的，”施耐德说。“通过我们的技术，我们将那罐虫子倒在一张白纸上或放入培养皿中，然后拍摄一张高分辨率照片。只需单击一下相机，我们构建和训练的现代人工智能方法就可以对照片中存在的错误进行分类。”
人工智能追踪摄影图像中的像素轮廓，将其转化为一种地形图。地图的区域是孤立的，深度学习算法执行对错误进行分类的计算。
施耐德说：“它为我们提供了更好的衡量标准，让我们能够真正掌握生态系统中正在发生的事情。” “它成为一个非常强大的工具。”
他说，圭尔夫大学的研究人员正在进行昆虫计数工作，结果收集了大量装有单一昆虫物种的罐子。事实证明，这些罐子对于训练人工智能模型是不可或缺的，它们展示了昆虫的工具示例，以确保当各种昆虫集中在一个大样本中时能够准确识别。
弗里克塞尔表示，该工具将使生态学家在了解生物多样性盛衰的过程中节省宝贵的时间。
“生态学家一生中的大部分时间都在做非常乏味、困难和不愉快的任务，所有这些都是以了解自然的名义进行的，”他说。“想出一种节省劳力的技术真是太棒了，它让我们有机会真正有效地计数。我认为我们正处于这一点的边缘。”
该研究得到了圭尔夫大学“思想食粮：健康地球农业系统”研究项目的资助，特别是该项目数字农业主题的 16 万美元。该计划的目标是利用数据科学、农业食品研究和生物多样性科学提高全球粮食生产的可持续性和生产力。
联系：
约翰·弗莱克塞尔博士
jfryxell@uoguelph.ca
斯特凡·施奈德博士
sschne01@uoguelph.ca
（谷歌翻译：AI Tech Developed at U of G Helps Track Insect Biodiversity）
