Zapylanie przez owady ma podstawowe znaczenie dla wielu roślin uprawnych. Trudno jednak monitorować rodzaj i aktywność owadów – ich identyfikacja jest trudna, pracochłonna i zazwyczaj wymaga zabicia niektórych osobników.

Dr Adam Narbudowicz i jego współpracownicy z Technical University of Denmark wykorzystali uczenie maszynowe do identyfikacji owadów na podstawie spowodowanych trzepotaniem skrzydeł zmian w ich odbiciu radarowym.

Model uczenia maszynowego wyodrębnił ponad 70 cech harmonicznych, widmowych i czasowych z sygnatur radaru dopplerowskiego. Aby wytrenować ten model, owady schwytano na terenie kampusu Trinity College w Dublinie i umieszczono pojedynczo w małych, cylindrycznych plastikowych pojemnikach, które położone zostały na antenie pracującej w paśmie milimetrowym. Po zarejestrowaniu ich sygnatur radarowych owady wypuszczono.

Radar działający w paśmie milimetrowym (mmWave) wykorzystuje częstotliwości od 30 do 300 GHz, co odpowiada długości fal od 1 do 10 mm. Charakteryzuje się bardzo wysoką precyzją wykrywania odległości, prędkości i kąta położenia obiektów, działa też skutecznie w trudnych warunkach oświetleniowych i atmosferycznych.

Model AI został wytrenowany dzięki wyodrębnieniu z danych istotnych cech mikrodopplerowskich. Były to między innymi szybkość zmian ruchów skrzydeł owada oraz podstawowe częstotliwości uderzeń skrzydeł. Model był w stanie odróżnić pszczoły od os z dokładnością 96 proc. i zaklasyfikować pięć owadów do gatunku z dokładnością 85 proc.

Według autorów, odbicia radarowe fal milimetrowych związane z uderzeniami skrzydeł owadów, mierzone na przykład za pomocą urządzenia przelotowego, mogłyby zostać wykorzystane do taniego i nieszkodliwego dla owadów monitorowania ich bioróżnorodności.

Paweł Wernicki (PAP)

pmw/ agt/