
-
生物通官微
陪你抓住生命科技
跳动的脉搏
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
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。
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。
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。
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。

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。
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。
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。
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。
