[論文レビュー] Spatial Monitoring and Insect Behavioural Analysis Using Computer Vision for Precision Pollination

Malika Nisal Ratnayake, Don Chathurika Amarathunga+3 more|arXiv (Cornell University)|May 10, 2022

Plant and animal studies被引用数 5

ひとこと要約

本論文では、エッジコンピューティングを活用したマルチポイント動画記録とディープラーニングを用いたコンピュータビジョンシステムを提案し、大規模な農業地域における複数の昆虫種のマーカーなし自動追跡および行動解析を可能にする。このシステムは、商業ベリー農場で4種の昆虫の追跡においてFスコア0.8以上を達成し、正確な受粉影響評価と食料安全保障のためのデータドリブンな管理を可能にした。

ABSTRACT

Insects are the most important global pollinator of crops and play a key role in maintaining the sustainability of natural ecosystems. Insect pollination monitoring and management are therefore essential for improving crop production and food security. Computer vision facilitated pollinator monitoring can intensify data collection over what is feasible using manual approaches. The new data it generates may provide a detailed understanding of insect distributions and facilitate fine-grained analysis sufficient to predict their pollination efficacy and underpin precision pollination. Current computer vision facilitated insect tracking in complex outdoor environments is restricted in spatial coverage and often constrained to a single insect species. This limits its relevance to agriculture. Therefore, in this article we introduce a novel system to facilitate markerless data capture for insect counting, insect motion tracking, behaviour analysis and pollination prediction across large agricultural areas. Our system is comprised of edge computing multi-point video recording, offline automated multispecies insect counting, tracking and behavioural analysis. We implement and test our system on a commercial berry farm to demonstrate its capabilities. Our system successfully tracked four insect varieties, at nine monitoring stations within polytunnels, obtaining an F-score above 0.8 for each variety. The system enabled calculation of key metrics to assess the relative pollination impact of each insect variety. With this technological advancement, detailed, ongoing data collection for precision pollination becomes achievable. This is important to inform growers and apiarists managing crop pollination, as it allows data-driven decisions to be made to improve food production and food security.

研究の動機と目的

• 手作業による受粉昆虫のモニタリングには、時間と人的リソースを要し、昆虫の移動や分布の機能的精度に欠けるという限界があるため、これを是正すること。
• 屋外農業環境において、単一種の昆虫に限定され、空間的カバー範囲が限られたコンピュータビジョンシステムの制約を克服すること。
• 大規模農業地域における継続的・自動的監視を可能にする、スケーラブルでマーカーなしの昆虫行動および空間的分布の監視システムを開発すること。
• 異なる昆虫種の受粉効率を定量的に評価することで、データドリブンな意思決定を可能にする精密受粉を実現すること。
• 昆虫と花の相互作用に関する高分解能な時空間データを提供することで、食料安全保障とエコシステムの持続可能性を支援すること。

提案手法

• 商業ベリー農場のポリタングル内に設置された9か所の監視ステーションに、エッジコンピューティングベースのマルチポイント動画記録を展開した。
• マーカーやタグを用いずに、自動的・オフラインで複数種の昆虫の数え上げ、動きの追跡、行動分析を実行するためのディープラーニングモデルを活用した。
• 複雑で動的な屋外環境における重なりや隠蔽を扱えるよう、マルチオブジェクトトラッキングフレームワークを適用した。
• 空間的・時間的分析を統合し、農場全体における昆虫の分布と花への訪問行動をマップ化した。
• 訪問頻度、滞在時間、空間的クラスタリングといった主要指標を算出し、各昆虫種ごとの受粉への影響を評価した。
• 4種の昆虫種についてFスコア評価を用いてシステムのパフォーマンスを検証し、各々0.8以上を達成した。

実験結果

リサーチクエスチョン

• RQ1 マーカーやタグを用いずに、大規模農業環境において正確に複数種の昆虫を追跡できるコンピュータビジョンシステムは実現可能か？
• RQ2 商業ベリー農業における、昆虫の訪問の空間的・時間的分布は、受粉効率とどのように相関するか？
• RQ3 実世界の農業環境において、異なる昆虫種が花の受粉に果たす相対的貢献度は何か？
• RQ4 自動化された行動分析は、移動パターンと訪問指標に基づいて、効果的・非効果的な受粉者を区別できるか？
• RQ5 このようなシステムは、商業農業における精密受粉とデータドリブンな管理をどの程度支援できるか？

主な発見

• 本システムは、商業イチゴ農場のポリタングル内に設置された9か所の監視ステーションで、4種の異なる昆虫種の追跡においてFスコア0.8以上を達成した。
• ミツバチが最も効果的な受粉者であった。ミツバチの訪問後、67%の花が信頼できる受粉基準を満たした。
• 代替受粉者種は、本研究の現場では効率が低く、受粉効率に種特異的差異があることが示された。
• 空間的モニタリングにより、昆虫活動の明確な分布パターンが特定され、農場管理者が受粉対象を絞った注意を払うべき領域を特定できるようになった。
• 昆虫数の時間的分析から、観察された行動ダイナミクスに基づいて、サンプリングの頻度と期間を最適化できることが明らかになった。
• 本システムにより、手作業によるモニタリングの能力を上回る、詳細で継続的かつスケーラブルな昆虫と花の相互作用データ収集が可能になった。