Zusammenfassung
Die invasive Hornisse Vespa velutina nigrithorax stellt eine sich rasch ausbreitende Bedrohung für Bestäuber in Europa und Ostasien dar. Um ihre Ausbreitung wirksam einzudämmen, müssen die Kolonien in einem frühen Stadium der Invasion erkannt und vernichtet werden. Die derzeitige Abhängigkeit von visuellen Warnungen durch die Öffentlichkeit führt jedoch zu einer geringen Genauigkeit. Fortschritte im Bereich des Deep Learning bieten eine potenzielle Lösung für dieses Problem, aber die Anwendung dieser Technologie bleibt eine Herausforderung. Hier stellen wir VespAI vor, ein automatisiertes System für die schnelle Erkennung von V. velutina. Wir nutzen einen hardwaregestützten KI-Ansatz, der eine standardisierte Überwachungsstation mit der Deep-YOLOv5s-Architektur und einem ResNet-Backbone kombiniert, das auf einer maßgeschneiderten End-to-End-Pipeline trainiert wurde. Dadurch kann das System Hornissen in Echtzeit erkennen – mit einer mittleren Treffergenauigkeit von ≥0,99 – und entsprechende Bildwarnungen über einen kompakten Remote-Prozessor senden. Wir demonstrieren den erfolgreichen Betrieb eines Prototyps im Feld und bestätigen seine Eignung für einen groß angelegten Einsatz in zukünftigen Anwendungsfällen. VespAI hat das Potenzial, den Umgang mit invasiven Hornissen zu verändern und ein robustes Frühwarnsystem bereitzustellen, das das Eindringen in neue Regionen verhindert.
Übersetzt mit DeepL.com (kostenlose Version)
Artikel Download PDF (6 MB)
