今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于YOLOv11m的Col-Ovo系统实现智能手机图像中伊蚊卵的自动快速计数与大规模监测应用

《Parasites & Vectors》:Col-Ovo: Smartphone-based artificial intelligence for rapid counting of Aedes mosquito eggs under field conditions

【字体: 大 中 小 】 时间:2026年10月15日 来源:Parasites & Vectors 3.7

编辑推荐:

   摘要背景伊蚊(Aedes aegypti)在全球范围内的扩张加剧了登革热、寨卡和基孔肯雅热病毒的传播,迫切需要可扩展的监测工具。OviCol 是一种低成本的基于卵诱捕器的策略,将蚊虫监测与防控相结合,在社区层面的媒介管理中已显示出良好前景。然而,大规模部署会产生数以千计的产卵

  

摘要

背景

伊蚊(Aedes aegypti)在全球范围内的扩张加剧了登革热、寨卡和基孔肯雅热病毒的传播,迫切需要可扩展的监测工具。OviCol 是一种低成本的基于卵诱捕器的策略,将蚊虫监测与防控相结合,在社区层面的媒介管理中已显示出良好前景。然而,大规模部署会产生数以千计的产卵基质,需要大量人力进行人工计数,形成了重大的操作瓶颈。本研究旨在开发并评估 Col-Ovo——一种基于人工智能的系统,可自动统计在常规野外条件下通过智能手机采集图像中的伊蚊卵。

方法

Col-Ovo 使用 YOLOv11m 目标检测模型开发,训练数据为 275 个产卵基质(20.5 厘米长条),这些基质通过操作性监测活动采集。图像在野外原位使用智能手机拍摄,未经预处理,样本包含被生物引诱剂(黑糖蜜和Saccharomyces cerevisiae)染色的样品,以及沙粒和颗粒物碎片。系统设计上能够耐受由 WhatsApp 等通信平台产生的图像压缩。通过比较自动计数结果与专家人工计数以及通过 OviLab 平台使用超过 200% 图像放大倍数进行的虚拟人工计数,评估系统性能。使用相关性和一致性分析评估各方法之间的吻合程度。

结果

Col-Ovo 成功在具有挑战性的野外条件下检测并定量了伊蚊卵,包括重度染色和碎片污染的基质。Col-Ovo 与人工评估者表现出强一致性(Spearman ρ = 0.91;Lin's ρc = 0.89;MAE = 22.1 枚卵),与 OviLab 计数结果也无显著差异(配对比较 P = 0.252)。该系统将每个基质的处理时间从约 15 分钟缩短至不到 3 秒,显著提高了操作效率。在分析通过常用通信应用程序共享的压缩智能手机图像时,系统性能依然稳健。

结论

Col-Ovo 为从智能手机图像中快速、准确地定量伊蚊卵提供了一种可扩展的方法。该系统无需专用设备或图像预处理,解决了大规模卵诱捕器监测的关键障碍。与 OviLab 平台集成后,Col-Ovo 提供了一种灵活的数字基础设施,可加强媒介监测,支持及时的公共卫生响应,并促进基于社区的蚊虫防控项目的扩展。

图形摘要

背景

伊蚊(Aedes aegypti)在全球范围内的扩张加剧了登革热、寨卡和基孔肯雅热病毒的传播,迫切需要可扩展的监测工具。OviCol 是一种低成本的基于卵诱捕器的策略,将蚊虫监测与防控相结合,在社区层面的媒介管理中已显示出良好前景。然而,大规模部署会产生数以千计的产卵基质,需要大量人力进行人工计数,形成了重大的操作瓶颈。本研究旨在开发并评估 Col-Ovo——一种基于人工智能的系统,可自动统计在常规野外条件下通过智能手机采集图像中的伊蚊卵。

方法

Col-Ovo 使用 YOLOv11m 目标检测模型开发,训练数据为 275 个产卵基质(20.5 厘米长条),这些基质通过操作性监测活动采集。图像在野外原位使用智能手机拍摄,未经预处理,样本包含被生物引诱剂(黑糖蜜和Saccharomyces cerevisiae)染色的样品,以及沙粒和颗粒物碎片。系统设计上能够耐受由 WhatsApp 等通信平台产生的图像压缩。通过比较自动计数结果与专家人工计数以及通过 OviLab 平台使用超过 200% 图像放大倍数进行的虚拟人工计数,评估系统性能。使用相关性和一致性分析评估各方法之间的吻合程度。

结果

Col-Ovo 成功在具有挑战性的野外条件下检测并定量了伊蚊卵,包括重度染色和碎片污染的基质。Col-Ovo 与人工评估者表现出强一致性(Spearman ρ = 0.91;Lin's ρc = 0.89;MAE = 22.1 枚卵),与 OviLab 计数结果也无显著差异(配对比较 P = 0.252)。该系统将每个基质的处理时间从约 15 分钟缩短至不到 3 秒,显著提高了操作效率。在分析通过常用通信应用程序共享的压缩智能手机图像时,系统性能依然稳健。

结论

Col-Ovo 为从智能手机图像中快速、准确地定量伊蚊卵提供了一种可扩展的方法。该系统无需专用设备或图像预处理,解决了大规模卵诱捕器监测的关键障碍。与 OviLab 平台集成后,Col-Ovo 提供了一种灵活的数字基础设施,可加强媒介监测,支持及时的公共卫生响应,并促进基于社区的蚊虫防控项目的扩展。

图形摘要

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:伊蚊监测|YOLOv11m|目标检测|登革热防控|OviCol|人工智能

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号