Руководство по прогнозированию видов¶

Узнайте, как использовать систему идентификации видов на основе ИИ CulicidaeLab для точной идентификации видов комаров по фотографиям.

Обзор¶

Функция прогнозирования видов использует современные модели машинного обучения для идентификации видов комаров по загруженным изображениям. Система предоставляет оценки достоверности, альтернативные прогнозы и подробную информацию о видах, чтобы помочь вам сделать точные идентификации.

Начало работы¶

Шаг 1: Доступ к странице прогнозирования¶

Перейдите на вкладку Прогноз в главной панели навигации
Вы увидите интерфейс прогнозирования видов с областью загрузки изображений

Шаг 2: Подготовьте ваше изображение¶

Для лучших результатов убедитесь, что ваше изображение комара соответствует этим критериям:

Требования к качеству изображения: - Разрешение: Минимум 224x224 пикселей (предпочтительно более высокое разрешение) - Формат: JPEG, PNG или WebP - Размер файла: Максимум 10МБ - Освещение: Хорошее, равномерное освещение без резких теней - Фокус: Резкий фокус на образце комара - Фон: Предпочтителен чистый, неперегруженный фон

Позиционирование образца: - Дорсальный вид: Вид сверху, показывающий узоры крыльев и отметины тела - Латеральный вид: Боковой вид, показывающий узоры ног и профиль тела - Полный образец: Полный комар виден в кадре - Масштаб: Комар должен заполнять значительную часть изображения

Шаг 3: Загрузите ваше изображение¶

Перетащите: Перетащите файл изображения прямо в область загрузки
Браузер файлов: Нажмите "Выбрать файл" для просмотра и выбора изображения
Захват камеры: Используйте "Сделать фото" для прямого захвата с камеры устройства (мобильный/планшет)

Система автоматически обработает ваше изображение после загрузки.

Понимание результатов прогнозирования¶

Оценки достоверности¶

Каждый прогноз включает процент достоверности:

90-100%: Очень высокая достоверность - вероятно точная идентификация
70-89%: Высокая достоверность - хорошая идентификация с незначительной неопределенностью
50-69%: Умеренная достоверность - рассмотрите альтернативные прогнозы
Ниже 50%: Низкая достоверность - рекомендуется ручная верификация

Компоненты результата¶

Основной прогноз: - Название вида (научное и общее названия) - Процент достоверности - Миниатюра эталонного изображения

Альтернативные прогнозы: - До 5 альтернативных предложений видов - Ранжированы по оценке достоверности - Полезны для верификации и сравнения

Информация о видах: - Краткие факты об идентифицированном виде - Географическое распространение - Медицинская важность - Ссылка на подробный профиль вида

Расширенные функции¶

Выбор модели¶

Выберите из различных моделей ИИ в зависимости от ваших потребностей:

Модели классификации: - EfficientNet-B4: Лучшая общая точность для общей идентификации - ResNet-50: Быстрая обработка с хорошей точностью - Vision Transformer: Отлично для сложных образцов

Модели обнаружения: - YOLOv8: Обнаруживает комаров на сложных изображениях - Faster R-CNN: Высокоточное обнаружение с ограничивающими рамками

Модели сегментации: - Mask R-CNN: Точное обнаружение контуров - U-Net: Детальная сегментация образцов

Пакетная обработка¶

Обрабатывайте несколько изображений одновременно:

Выберите режим "Пакетная загрузка"
Загрузите до 20 изображений одновременно
Просмотрите результаты в сетке
Экспортируйте результаты как CSV или JSON

Интеграция API¶

Для программного доступа используйте API прогнозирования:

import requests

# Загрузить изображение для прогнозирования
url = "http://localhost:8000/api/v1/predict"
files = {"file": open("mosquito.jpg", "rb")}
response = requests.post(url, files=files)
result = response.json()

print(f"Вид: {result['species']}")
print(f"Достоверность: {result['confidence']:.2%}")

Пошаговое руководство: Идентификация Aedes aegypti¶

Давайте пройдем через полный процесс идентификации:

Шаг 1: Подготовка изображения¶

Сценарий: У вас есть образец комара, собранный во время полевой работы, и вам нужно идентифицировать вид.

Настройка изображения: - Поместите образец на белый фон - Используйте макро-объектив или режим крупного плана - Убедитесь, что дорсальный вид четко виден - Проверьте, что узоры крыльев и отметины ног резкие

Шаг 2: Загрузка и первоначальный прогноз¶

Перейдите на страницу прогнозирования
Загрузите ваше подготовленное изображение
Дождитесь обработки (обычно 2-3 секунды)
Просмотрите результаты первоначального прогноза

Ожидаемые результаты: - Основной прогноз: Aedes aegypti (85% достоверности) - Альтернатива: Aedes albopictus (12% достоверности) - Другие альтернативы с более низкой достоверностью

Шаг 3: Верификация идентификации¶

Ключевые признаки для проверки: - Лирообразные отметины: Белые чешуйки, образующие лирообразный узор на грудке - Полосы на ногах: Белые полосы на ногах, особенно на задних ногах - Чешуйки крыльев: Темные чешуйки с белыми пятнами - Размер: Комар среднего размера (4-7мм)

Перекрестная ссылка: 1. Нажмите на название вида для просмотра подробного профиля 2. Сравните ваш образец с эталонными изображениями 3. Проверьте географическое распространение - встречается ли Aedes aegypti в вашей области? 4. Просмотрите морфологические характеристики

Шаг 4: Подтвердите или скорректируйте¶

Если уверены в идентификации: - Запишите идентификацию вида - Отметьте оценку достоверности для ваших записей - Сохраните или экспортируйте результаты

Если неуверены: - Попробуйте загрузить дополнительные углы того же образца - Сравните с альтернативными прогнозами - Обратитесь к экспертным ресурсам или обратитесь за профессиональной верификацией - Рассмотрите экологический контекст (среда обитания, сезон, местоположение)