低成本半自动化相机陷阱用于熊蜂群落调查的开发与评估

《Remote Sensing in Ecology and Conservation》:Development and Evaluation of a Low-Cost, Semi-Automated Camera Trap for Surveying Bumble Bee Communities

【字体: 大 中 小 】 时间:2026年08月02日 来源:Remote Sensing in Ecology and Conservation 5.2

编辑推荐:

  昆虫多样性和丰度的广泛下降凸显了对重要传粉昆虫(如熊蜂(Bombus spp.))进行标准化、非致死监测方法的迫切需求。相机陷阱(camera trap)被广泛用于大型动物的非侵入性连续调查,但尚未被广泛采用于监测昼行性昆虫。自动化相机陷阱可以改进当前昆虫调查

  
昆虫多样性和丰度的广泛下降凸显了对重要传粉昆虫(如熊蜂(Bombus spp.))进行标准化、非致死监测方法的迫切需求。相机陷阱(camera trap)被广泛用于大型动物的非侵入性连续调查,但尚未被广泛采用于监测昼行性昆虫。自动化相机陷阱可以改进当前昆虫调查方法,这些方法通常依赖于致死陷阱或人工观察。在此,研究人员开发了一种开源、低成本的相机陷阱用于监测野生昆虫,并评估了其相对于传统采样方法的性能。研究人员使用低功耗微型计算机在彩色平台上采集延时图像,这些平台作为无回报视觉诱饵。研究人员比较了全图像和分块深度学习模型在相机陷阱捕获图像中自动检测小型昆虫的性能。研究人员发现,分块推理(tiled inference)——在原始图像的子帧内进行检测——显著提高了准确性,甚至优于人工审查员。熊蜂访问在具有重复荧光靶心图案的平台上最高。通过连续监测,相机陷阱在18天内记录了所有白昼时段的熊蜂访问。从记录的图像中,专家分类学家识别出六种熊蜂物种(Bombus spp.),得到的群落组成和多样性估计与手网捕获相当。研究人员模拟了在两种多样性水平的位点部署不同数量相机的影响。这些模拟表明,增加相机数量显著提高了采样完备性,尤其是在物种丰富的群落中。通过将低成本、半自动化相机陷阱与深度学习图像分析相结合,研究人员的工作为可扩展、非致死性的熊蜂多样性和活动模式研究提供了基础。
随着全球昆虫多样性和丰度的持续下降,对于重要传粉昆虫如熊蜂(Bombus spp.)的标准化、非致死监测方法需求日益迫切。传统监测方法(如蓝翼陷阱和手网)存在局限性:蓝翼陷阱导致个体死亡,手网受观测者技能和天气限制,且两者均存在时空采样稀疏、难以检测罕见物种的问题。相机陷阱虽已广泛用于大型动物的非侵入性连续调查,但在昼行性昆虫监测中应用有限。针对这一空白,研究人员开发了一种开源、低成本的半自动化相机陷阱系统,并系统评估了其与传统采样方法在熊蜂群落调查中的性能。该研究发表在《Remote Sensing in Ecology and Conservation》。

研究人员共构建10个相机陷阱,每台成本约227美元(2024年价格),使用低功耗Raspberry Pi微型计算机控制,在彩色印刷塑料平台上进行延时成像(1帧/秒),平台作为无回报视觉诱饵。研究在俄勒冈州立大学Hyslop Field Research Laboratory的红三叶草(Trifolium pratense)种子田中进行(2024年7月11-29日,熊蜂活动高峰期)。主要关键技术方法包括:(1)低成本相机陷阱硬件设计(Raspberry Pi Zero/Zero 2W、电池、相机模块、防水外壳);(2)五种平台诱饵(蓝、绿、黄、荧光蓝、重复荧光靶心图案)的光谱特征测量与比较;(3)基于YOLO11s的深度学习目标检测模型,对比全图像与分块推理(Slicing Aided Hyper Inference, SAHI)两种策略;(4)多样性估计使用Hill数(q0丰富度、q1香农多样性、q2辛普森多样性)和iNEXT包进行样本覆盖度稀化与外推;(5)置换检验和仿真的统计方法评估平台吸引力及多相机部署的采样效率。

**3.1 图像采集与检测模型性能**
通过18天连续监测,相机陷阱共采集570万张图像。研究人员开发了全图像和分块两种YOLO11s检测模型。分块模型使用SAHI将原始图像划分为重叠的640×640像素子帧进行检测,再聚合预测结果。在含296张熊蜂图像的验证集上,分块模型在置信度0.5时达到96.8%召回率和98.1%F1分数,显著优于全图像模型(87.8%召回率、93.3%F1)。应用于新数据时,分块模型检测到76.3%更多含熊蜂的图像(4894 vs 2776),且未遗漏全图像模型发现的任何图像。假阳性率更低(假阳/真阳均值比0.014 vs 0.036),甚至优于人类审查员(多检测20%图像)。但分块推理速度较慢(1.1图像/秒 vs 88.5图像/秒)。

**3.2 熊蜂对不同平台类型的访问**
研究人员将同一物种连续检测间隔≤4秒定义为一次唯一访问,共识别291次熊蜂访问。靶心平台吸引最多访问(95次,每万图像20.8次),其次为绿色(71次,14.7)、荧光蓝(54次,9.4)、蓝色(36次,6.4)和黄色(35次,7.1)。置换检验显示,靶心(p<0.001)和绿色平台(p=0.015)的访问次数显著高于随机分布,黄色显著低于随机(p=0.004)。荧光蓝与蓝色平台差异不显著(p=0.058),表明荧光涂层吸引力有限。专家分类学家从检测图像中鉴定出6种熊蜂:Bombus vosnesenskii、B. fervidus、B. griseocollis、B. nevadensis、B. mixtus和B. appositus,其中靶心和荧光蓝平台记录到最高物种丰富度(各5种)。

**3.3 采样方法比较**
同期部署的两个蓝翼陷阱共捕获449只昆虫(含130只熊蜂),手网两次采集176只熊蜂。蓝翼陷阱捕获的熊蜂物种丰富度最高(7种),相机陷阱次之(6种),手网最低(5种)。基于样本覆盖度分析,手网达到0.99覆盖度所需样本数最少(87次),蓝翼陷阱110次,两台靶心相机陷阱125次。渐近多样性估计(Hill数)显示,蓝翼陷阱在丰富度(q0=7.5)、香农多样性(q1=4.5)和辛普森多样性(q2=3.4)上均最高,相机陷阱(q0=6.0, q1=2.8, q2=2.3)与手网(q0=5.0, q1=2.8, q2=2.4)重叠。仿真表明,在低多样性位点(6种),一台相机13.5天达0.99覆盖度,两台6.8天,三台5.4天;在高多样性位点(13种),两台相机22.4天,三台15.4天,一台相机25天仅达0.97覆盖度,说明增加相机数量显著加速采样完备性,尤其在高多样性群落。

**讨论与结论**
讨论部分指出,分块推理(SAHI)显著提升小型昆虫检测性能,主要因其提高了有效分辨率,更匹配预训练模型的大目标尺度。研究建议未来可采用混合策略:使用许可性在线检测模型初步过滤,再离线应用分块模型精确定位。靶心图案的高吸引力归因于其模拟花卉对比线索,整合了绿色背景的长距离空间处理和荧光环的短距离吸引力。荧光蓝涂层对吸引力的贡献有限,可能与蓝墨水的低光谱纯度有关。与蓝翼陷阱和手网相比,相机陷阱能提供相当的群落多样性估计,且具有连续、非致死、可扩展的优势。仿真结果强调多相机部署对检测罕见物种的重要性。研究结论翻译如下:通过改进视觉诱饵和检测算法,相机陷阱可为传统致死方法提供一种稳健、非侵入的替代方案。相机陷阱能够连续运行、非侵入且可大规模部署,提供精确的访问时间以分析物种特异性活动模式。在景观中部署相机陷阱网络可填补物种存在、气候生态位占用和群落关联的数据空白,从而更全面地了解传粉昆虫健康和生态。连续、空间广泛的蜜蜂监测将有助于检测珍稀濒危物种,将昆虫活动与环境变量联系起来,并支持标记-重捕实验以监测觅食距离和种群动态。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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