比尔·盖茨近期分享了一项名为 VectorCam 的新技术，它利用人工智能识别蚊子种类、性别、是否吸食血液及产下虫卵。这项技术采用了一种专门为识别蚊子训练的 AI 模型 VectorBrain，能够准确识别 6 种主要蚊媒，在资源受限的环境中准确率超过 90%。VectorCam 还使用了轻量级的 YOLO 模型，能够实时定位蚊子，并使用检测到的坐标裁剪出只包含蚊子本身的图像，来进行更好的识别。

🦟 **AI 识别蚊子：**VectorCam 采用了一种名为 VectorBrain 的 AI 模型，能够准确识别 6 种主要蚊媒，包括主要疟疾媒介，在资源受限的环境中准确率超过 90%。VectorBrain 能够识别蚊子的种类、性别和腹部状态，并使用轻量级的 YOLO 模型实时定位蚊子，以获得更准确的识别结果。

📊 **高识别精度：**在识别蚊子方面，YOLO 模型在训练和验证过程中的精度、召回率和平均精度（mAP）分别为 96.00%、90.50% 和 95.87%。种类分类模型的准确率为 92.40±2%，性别分类模型的准确率为 97.00±1%，腹部状态分类模型的准确率为 83.20±3.1%。

🏆 **YOLOv5 的优越性：**VectorCam 使用的 YOLOv5 模型在参数数量、模型大小、mAP 和运行时间等方面都优于广泛应用于各种目标检测任务的 Faster R-CNN 模型。

⚔️ **人类与蚊子的战争：**VectorCam 的出现可能标志着人类与蚊子的战争进入新的阶段，它能够帮助我们更好地了解蚊子的习性，并制定更有效的防治措施。

💡 **未来展望：**VectorCam 的应用不仅能帮助我们控制蚊媒疾病的传播，还能为我们提供更多关于蚊子的生物学信息，为未来更有效的蚊子防治策略提供参考。

前世界首富比尔·盖茨近期分享了一项为此而生的新技术——VectorCam。它能够通过应用程序仅需拍摄一张蚊子照片，即可识别蚊子种类、性别、是否吸食血液及产下虫卵： 在与蚊子的斗争中，我们终于看清了我们的对手。 比尔·盖茨在视频中介绍该技术用AI计算机视觉「看清」蚊子据 VectorCam 官方介绍，该系统采用了一种用于识别蚊子种类、性别和腹部状态的新型卷积神经网络VectorBrain。作为一种专门为识别蚊子训练的 AI 模型，VectorBrain 能够准确识别 6 种主要蚊媒，包括主要疟疾媒介，在资源受限的环境中准确率超过 90%。VectorBrain 是一个多任务 EfficientNet 架构，专为蚊子分类设计，同时输出种类、性别和腹部状态。该架构包括一个特征提取器和一个分支结构，每个分支对应一个分类任务。 在识别蚊子方面，VectorBrain 使用了轻量级的 YOLO 模型，能够实时定位蚊子，并使用检测到的坐标裁剪出只包含蚊子本身的图像，来进行更好的识别。 图片举例说明了分类蚊子图像的各个阶段。首先，展示需要分类的完整蚊子图像（a）。然后，使用 YOLO算法根据坐标裁剪蚊子图像，并进行一系列图像变换以准备分类（b）。最后，显示分类算法的输出结果，确定图像中的蚊子种类（c）。具体而言，YOLO 模型在训练和验证过程中的精度、召回率和平均精度（mAP）分别为 96.00%、90.50% 和 95.87%。种类分类模型的准确率为 92.40±2%，性别分类模型的准确率为 97.00±1%，腹部状态分类模型的准确率为 83.20±3.1%。 （a）为 YOLO 模型在训练和验证中的性能指标，（b）为模型检测蚊子案例 通过种类、性别、腹部状态分类的混淆矩阵和准确率在 VectorCam 提供的论文中，还将其正在使用的 YOLOv5 与广泛应用于各种目标检测任务的 Faster R-CNN 模型进行对比，YOLOv5 Small 在参数数量、模型大小、mAP 和运行时间等方面都有更好表现， 比尔·盖茨要用 AI 对付蚊子，人类和蚊子的「战争」迎来终局？_腾讯新闻