基于深度学习的亚洲玉米螟幼虫自残行为与竞争行为检测及其生态调控意义

为解决亚洲玉米螟(Ostrinia furnacalis)幼虫种内竞争行为量化难题，研究人员创新性采用卷积神经网络(CNN)技术，在实验室条件下成功实现对10类幼虫行为的高精度识别（mAP@0.5?达0.972）。研究发现：无食物竞争时4龄幼虫头部啃咬行为持续时间显著延长，3龄幼虫自残率高达40%，而无竞争组蛹化率(80%-90%)与体重显著提升。该研究为害虫智能监测及生态调控提供了新范式。

　　

在亚洲玉米螟(Ostrinia furnacalis)这一重大农业害虫的生态研究中，理解其幼虫自残与竞争行为对制定防控策略至关重要。通过创新的卷积神经网络(CNN)技术，科研人员实现了实验室环境下幼虫行为的高通量监测，系统分类出10种典型行为模式，模型实时监测精度惊人——精确度(precision)达0.958，召回率(recall)0.959，平均精度(mAP@0.5?)更高达0.972。

当食物匮乏时，幼虫间的互动频率与持续时间显著上升，其中4龄幼虫表现尤为突出，其头部啃咬行为持续时间明显延长。令人惊讶的是，3龄幼虫展现出40%的高自残率，展现出残酷的种内竞争法则。而在无竞争环境中，蛹化率飙升至80%-90%，且以谷物为食的个体发育出更健壮的蛹体。

这项研究不仅揭示了亚洲玉米螟幼虫竞争的动态规律，更开创性地将人工智能技术引入昆虫行为学研究领域，为重要经济昆虫的生态调控提供了智能化的研究范本。