A machine learning pipeline for automated insect monitoring

气候变化和其他人为因素导致昆虫数量灾难性下降，危及生物多样性和人类社会依赖的生态系统服务。然而，昆虫数量的数据仍然非常不足。传统上用于监测陆生脊椎动物的相机陷阱现在正在被改装用于昆虫，特别是飞蛾。我们描述了一个完整的、开源的基于机器学习的软件流水线，用于通过相机陷阱自动监测飞蛾，包括目标检测、飞蛾/非飞蛾分类、飞蛾物种的细粒度识别和个体跟踪。我们相信，我们的工具已经在三个大陆上得到了应用，代表了昆虫学中大规模可扩展数据收集的未来。

论文旨在解决气候变化和人类活动导致昆虫数量急剧下降的问题，提出使用摄像机陷阱进行大规模监测蛾类的机器学习软件流水线方案。

使用机器学习算法对蛾类进行目标检测、分类、物种识别和个体跟踪，实现自动化监测。

论文提出的软件流水线方案已经在三个大洲得到应用，具有开源代码的优点。实验使用了多个数据集进行验证，结果表明该方案可以实现高效准确的蛾类监测。

近期相关研究包括使用深度学习算法进行昆虫分类和目标检测的论文，如《基于深度学习的蜜蜂和蚂蚁自动分类》和《基于深度学习的昆虫目标检测与识别》。