Name: flying insect detection and classification with inexpensive sensors
Uploaded: 2014-10-15T15:00:00.000+00:00
Duration: 5 min 16 s
Description: Watch this Scientific Journal Video about Flying Insect Detection and Classification with Inexpensive Sensors at JoVE.com

We would like to thank the Vodafone Americas Foundation, the Bill and Melinda Gates Foundation, and the S&#227;o Paulo Research Foundation (FAPESP) for funding this research. We would also like to thank the many faculty members from the Department of Entomology at University of California, Riverside, for their advice on this project.&#160;

1昆虫コロニー、飼育<ol><li>モスキートコロニー、子育て<ol><li>野生に由来リアイエカ足根骨の、ネッタイイエカ、アカイエカstigmatosoma、とラボコロニーからネッタイシマカ大人、個人を捉えました。 </li><li>リア標準実験室条件下でエナメルパンにおける蚊の幼虫（27℃、16：8時間明：1時間夕暮れ/夜明け期間が濃い[LD]サイクル）、および接地げっ歯類飼料およびビール酵母の混合物を自由摂取彼らを養う（3：1、V：V）。 </li><li> 200ミリリットルカップに蚊蛹を集め、実験室に配置します。代わりに、出現の1週間以内に実験室に大人の蚊を吸引除去する。各実験室は同じ種/性別の20から40の個人が含まれていることを確認します。 </li><li> 10％のスクロースおよび水の混合物を餌大人の蚊不断 。食料を毎週交換してください。 </li><li> plの週2回綿のタオルを湿らせケージ内の湿度を維持するために、実験室の上にそれらをエース。また、全体的な湿度レベルを維持するために常時チャンバ内で水道水200mlのカップを置く。 </li><li>実験期間中、暗所[LD]サイクル、20.5から22℃、30〜50％RH：8時間明：16についての実験室を維持します。 </li></ol></li><li>イエバエとフルーツフライコロニー、子育て<ol><li>野生から派生ラボコロニーからのリアイエバエは 、個人を捉えました。実験チャンバーにおける野生ショウジョウバエオナジ個人やリアそれらをキャッチ。 </li><li>標準的な実験室条件下でのプラスチック浴槽内リアイエバエの幼虫（12時12時間の明：暗所[LD]サイクル、26℃、40％RH）水、ふすま粉、アルファルファ、酵母、および粉ミルクの混合物中。飼育室でのリアショウジョウバエオナジ幼虫と腐敗の混合物上に自由に摂取を養うフルーツ。 </li><li>出現の1週間以内に実験室に吸引し、成人イエバエ 。大人のショウジョウバエオナジ直接実験チャンバーで飼育することができます。データ収集の前に、各実験室はせいぜい10〜15の個別イエバエまたは20〜30の個別ショウジョウバエオナジが含まれていないことを確認してください。 </li><li>水に自由にアクセスさせて、砂糖と低脂肪ドライミルクの混合物を、成人イエバエを自由にフィード。果物を腐敗との混合物を、大人のショウジョウバエオナジ不断フィード 。食料を毎週交換してください。 </li><li>実験期間中、暗所[LD]サイクル、20.5から22℃、30〜50％RH：8時間明：16実験チャンバーを維持します。 </li></ol></li></ol> 2。実験チャンバー内のレコードのフライングサウンド<ol><li>実験室内のセットアップ 注：「実験的Chamber」は、データが記録された私たちの研究室で設計ケージを意味する。センサは、かなり安価である。バルクに建てられたときは、セットアップは10ドル未満のために製造することができた。 <ol><li> 67センチメートルL×22センチメートル幅x 24.75センチメートルHは、以下のサイズ：30センチメートルL×20センチメートル幅×20センチHの実験室はフォトトランジスタアレイとから構成され、実験室、大きなサイズのいずれかを構築フォトトランジスタ·アレイを指し示すレーザーライン。 注：さらに、チャンバーは、センサ装置だけでなく、昆虫へのアクセスを許可するように塩ビ配管の一部に取り付けられたスリーブを含むように変更されているKritterキーパーで構成されています。 </li><li>電子基板へのフォトトランジスタ·アレイを接続します。電子基板の出力は、デジタル音声レコーダに供給し、MP3形式のオーディオデータとして記録される。 図1.IIセンサの論理設計図1.Iチャンバーの物理的なバージョンを見る。 </li><l私&gt;昆虫が逃げるのを防ぐために、内部に取り付けられたメッシュ布で実験チャンバーの蓋を変更します。 注：昆虫は、レーザビームを横切って飛ぶと、その翼は、部分的に、光を閉塞する小さな光の変動を引き起こす。光変動は電流の変化としてフォトトランジスタ·アレイによって捕捉され、信号は、カスタム設計された電子ボードによってフィルタリングされ、増幅される。 </li></ol></li><li>飛翔昆虫プロデュースを録音する音にシステムの設定<ol><li>電源に実験室を接続します。電源をオンにします。 </li><li>実験室では、レーザ光やフォトアレイを見つける。フォトアレイへのレーザ光の位置を合わせます。適切な位置合わせを達成するために、レーザ光がすべての個別photodiodを中心とするまで、チャンバの内部にフォトアレイに取り付けられた磁石に対応する実験室の外側に磁石を用いたフォトアレイを調整するエス。 </li><li>システムが適切に設定されていることを確認する2健全性チェックを実行します。 注：最初のステップは、システムが電源が入っている、すべての配線が正しく接続されており、レーザーフォトアレイを指していることを確認することです。第二のステップは、虫 &#39;wingbeatsの音をキャプチャすることができます確保するために、レーザーの位置合わせの詳細検査を実施することである。 <ol><li>オーディオジャックに（むしろレコーダーより）ヘッドフォンを接続します。レーザー光の平面を破るために、フォトアレイの近くに、実験室の内外手プランジ。レーザー光がオンになっている（それは光の赤色光になる）と、あなたの手で光の面を数回を破ることを確認してください。あなたの手がで、光ビームの外に出るようにノイズレベルの変化を聞いてください。もし可聴差を検出する場合、センサは、大きな物体の動きによって生成される音を取り込むことができる。成功した場合、ヘッドホンが正しく接続されているかどうかを確認、それ以外の場合は、次の健全性チェックに移動し、レーザーはフォトアレイを指しているかどうか。実験室の内外運針の音が聞こえるまで、それに応じてフォトアレイを調整します。 </li><li>自動歯ブラシに電気配線の薄い部分を取り付けます。歯ブラシの電源を入れ、phototarrayに近く、実験室の内外配線が急落。それが動くように、レーザ光が配線の一部に当たっていることを確認してください。もし周波数の音の変化を検出した場合、配線の一部が、レーザ光 ​​の平面を遮断するとき、システムは次に、小さな物体の移動によって生成さ音、 すなわち 、昆虫の音をキャプチャする準備ができている。あなたは音の違いを検出しない場合には、レーザ光やフォトアレイを再整列させるために2.2.2に戻ってください。 </li></ol></li><li>システムが適切に設定された後、蓋を閉じて虫を追加します。 </li></ol></li><li>データ収集：飛翔昆虫プロデュースを録音サウンド<ol><li>レコーダーの電源を入れ、VOICを作る以下の情報を含む電子注釈：実験室における種名、昆虫、日時、現在の周囲RT、および相対湿度の年齢。録音を一時停止します。 </li><li>オーディオケーブルを使って、システムにレコーダーを接続し、録音を再開。録音を停止する、3日間記録してレコーダーにしておきます。 </li><li> PC上で新しいフォルダに記録計からデータをダウンロードしてください。データを削除することでレコーダーを空にします。 </li><li>残りの昆虫がオフに死亡し、ケージの中で生き残された5つ以上の昆虫がなくなるまで、上記の記録処理を繰り返します。 </li></ol></li></ol> 3センサデータ処理と飛翔昆虫プロデュース音の検出<ol><li>飛翔昆虫プロデュース音を検出するためのソフトウェアを使用してください。 注：ソフトウェア（検出アルゴリズム）は、リアルタイムよりもはるかに高速である。それは、DATの3日間、 すなわち 、記録セッションを処理するために3時間未満のかかりA、2.00 GHzの8 GBのRAMでのインテル（R）コア™の​​CPUを搭載した標準的なマシンで。 <ol><li>レコーディング·セッションからのデータを含む各フォルダには、昆虫の音を検出するための検出ソフトウェアを実行します。ソフトウェア、オープンMATLABを実行し、DATADIRは 、記録データのディレクトリですコマンドウィンドウで「circandian_wbf（DATADIR）」を 、入力します。その後、開始するには &quot;Enter&quot;を押してください。 注：参照番号16から検出ソフトウェアのcircadian_wbfをダウンロードしてください。 </li><li>アルゴリズムが終了するまで、検出結果をチェックした後、待ってください。アルゴリズムはDATADIRは、前の手順と同じです」DATADIRの _extf」という名前の新 ​​しいフォルダに検出されたすべての昆虫の音を出力します。各サウンドファイルは、もともと生の記録から抽出された1秒長いオーディオクリップで、デジタルフィルタでノイズを除去するために適用。各検出された音の発生時間」という名前のファイルに保存されDATADIR _time.mat＆＃8221 ;. 図2で検出された虫の音の例を観察します。 </li></ol></li><li>検出アルゴリズム<ol><li>記録を通ってスライドするように0.1秒長いスライディングウィンドウを使用します。スライディングウィンドウは、記録の最初から始まります。各ウィンドウには、次の手順に従ってください。 <ol><li>現在のウィンドウの基本周波数を計算します。 </li><li>基本周波数が1200ヘルツ、100ヘルツの範囲内にある場合は、次の操作を行います。 <ol><li>レコーディングから現在のウィンドウを中心と1秒の長いオーディオクリップを抽出します。クリップ内のノイズを除去し、フォルダ「DATADIRの _extf」に濾過オーディオを保存するためにデジタルフィルタを適用します。 </li><li>ファイル&quot;DATADIRの _time」に現在のウィンドウの発生時刻を保存します。 </li><li>すぐに抽出されたオーディオクリップを、以下の点にスライディングウィンドウを移動します。 </li></ol></li><li>根本的なFRの場合equencyは単に転送スライディングウィンドウを0.01秒に移動、1200 Hzの100Hzの範囲内ではありません。 </li></ol></li><li>スライディングウィンドウは録画の最後に到達するまで、このプロセスを繰り返します。 </li></ol></li></ol> 4。昆虫の分類<ol><li>ただフライングサウンドを使用して、ベイズ分類 注：ベイズ分類は、最も可能性の高いクラスにオブジェクトを分類する確率的分類器である。 <ol><li>サウンド機能の計算<ol><li>各昆虫音、離散フーリエ変換（DFT）を用いて、音の周波数スペクトルを計算する。 2000 Hzの100ヘルツ：周波数範囲に対応するだけのデータ点を含むように周波数スペクトルを切り捨てる。切り捨てられた周波数スペクトルは、その後昆虫音の「代表」としての分類に使用される。 NOTE：DFT周波数領域、時間領域の信号に変換するアルゴリズムである。それは、BUIですLT-におけるほとんどのプログラミングライブラリ内の関数であり、は、たった1行のコードを使用してプログラムで呼び出すことができます。 </li></ol></li><li>ベイズ分類器を訓練<ol><li>サウンド機能を使用して事後確率分布を学習するのkNN密度推定法14を使用してください。 kNNのアプローチでは、トレーニング段階は、訓練データセットを構築することである。 <ol><li>ランダム昆虫のそれぞれの種のために収集されたデータから虫の音の数をサンプリングする。 </li><li> 4.1.1項の手順に従って、各サンプリングした音のために切り捨てられた周波数スペクトルを計算する。一緒にサンプルを「クラスラベル（昆虫種名）を持つ切り捨てられたスペクトルは、トレーニングデータセットを作曲。 </li></ol></li></ol></li><li>未知の昆虫を分類するためにベイズ分類器を使用して、 <ol><li>未知の昆虫音の切断周波数スペクトルを計算する。 </li><li> unknowの切断スペクトルとの間のユークリッド距離を計算nのオブジェクトとトレーニングデータセット内のすべての切り捨てスペクトル。 </li><li>上位k（本論文ではk = 8）のトレーニングデータセット内の未知のオブジェクトの最も近い隣人を検索します。クラスとしてラベル付けされる上位k最近傍の割合としてクラスに属する未知の昆虫音の事後確率を計算します。 </li><li>最も高い事後確率を持つクラスに未知の物体を分類します。 </li></ol></li></ol></li><li>昆虫概日リズム：クラシファイアに機能を追加<ol><li> 、昆虫のそれぞれの種のための概日リズムである昆虫の音の発生時間、クラス付き分布は、こちらをご覧ください。 <ol><li>検出結果から各音（のCF 3.2節）の発生時刻を取得します。 </li><li>それぞれの種、昆虫音発生時間のヒストグラムを構築する。 </li><li>ヒストグラムの面積が1になるようにヒストグラムを正規化​​します。通常の化されたヒストグラムは、所定の種の概日リズムである。これは、特定の期間内飛行中、その種の昆虫を観測する確率を伝える。 </li></ol></li><li> 「昆虫の音」と概日リズムを組み合わせることで、未知の「昆虫の音を」分類<ol><li>未知の昆虫の音が発生した特定の時点を考えると、クラスの概日リズムに基づいて、クラスの昆虫を観察する確率を得る。 注：概日リズムが確率分布である。それは、一日の特定の時間に、昆虫の特定の種によって生成される音を検出する確率を指定する配列です。時間が与えられた後、それで、人は単に確率を得るために、配列を確認することができます。 </li><li>未知の音は、サウンド機能を使用して、クラスに属する事後確率を計算するためのセクション4.1.2の手順に従います。あちこちに結果を事後確率を掛け新しい事後確率を得るために、前の手順をメートル。 </li><li>最高の新しい事後確率を持つクラスを &quot;未知の音」を分類します。 </li></ol></li></ol></li><li>クラシファイアにワン·モア·フィーチャーを追加します。昆虫地理分布<ol><li> 、いずれの史料で出版されたデータから、対象の種の地理的分布を学ぶ関連文献、または単に現場の技術/生物学者から最初の手の知識を収集します。 図7に示すように、デモのために、グラフィック分布のシミュレーションを使用しています。 </li><li> 「フライング音」2つの追加機能を使用して「未知の虫の音」を分類します。 <ol><li>昆虫の音が傍受された地理的位置を考えると、種のグラフィックディストリビューションを使用して、特定の場所でクラスから昆虫を観察する確率を計算する。 <ol><li>セクション4.2.2 Aの手順に従ってくださいndは「未知の音が「音の機能と概日リズムを使用したクラスに属する事後確率を計算する。新しい事後確率を得るために、前のステップからの結果は、このステップの結果を乗算する。 </li></ol></li><li>最高の新しい事後確率を持つクラスを &quot;未知の音」を分類します。 </li></ol></li></ol></li><li>機能を追加するための一般的なフレームワーク<ol><li>主な分類子としてだけで音機能を使用していますベイズ分類を考えてみましょう。分類器に新しい機能を追加するには、以下の手順に従ってください。 <ol><li>トレーニング段階では、新機能のクラス付き密度関数を学習。 </li><li>分類段階では、「未知の音」の新機能で与えられた、前のステップで学習した密度関数を使用してクラスに特徴を観測する確率を計算する。 PRに新しい確率を掛け新しい事後確率を得るために、単に奇数の機能に基づいて計算されたクラスに所属する「未知の音」に対応するevious事後確率。最高の新しい事後確率を持つクラスに未知の物体を分類します。 </li></ol></li></ol></li></ol>

<ol>
	<li>Kahn, M. C., Celestin, W., Offenhauser, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recording+of+sounds+produced+by+certain+disease-carrying+mosquitoes.">Recording of sounds produced by certain disease-carrying mosquitoes.</a> Science. 101 (2622), 335-336 (1945).</li><li>Reed, S. C., Williams, C. M., Chadwick, L. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Frequency+of+wing-beat+as+a+character+for+separating+species+races+and+geographic+varieties+of+Drosophila.">Frequency of wing-beat as a character for separating species races and geographic varieties of Drosophila.</a> Genetics. 27 (3), 349 (1942).</li><li>Belton, P., Costello, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Flight+sounds+of+the+females+of+some+mosquitoes+of+Western+Canada.">Flight sounds of the females of some mosquitoes of Western Canada.</a> Entomologia experimentalis et applicata. 26 (1), 105-114 (1979).</li><li>Mankin, R. W., Machan, R., Field Jones, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=testing+of+a+prototype+acoustic+device+for+detection+of+Mediterranean+fruit+flies+flying+into+a+trap.">testing of a prototype acoustic device for detection of Mediterranean fruit flies flying into a trap.</a> Proc. 7th Int Symp Fruit Flies of Economic Importance. , 10-15 (2006).</li><li>Raman, D. R., Gerhardt, R. R., Wilkerson, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Detecting+insect+flight+sounds+in+the+field+Implications+for+acoustical+counting+of+mosquitoes.">Detecting insect flight sounds in the field Implications for acoustical counting of mosquitoes.</a> Transactions of the ASABE. 50 (4), 1481 .</li><li>Moore, A., Miller, J. R., Tabashnik, B. E., Gage, S. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+identification+of+flying+insects+by+analysis+of+wingbeat+frequencies.">Automated identification of flying insects by analysis of wingbeat frequencies.</a> Journal of economic entomology. 79 (6), 1703-1706 (1986).</li><li>Moore, A., Miller, R. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+identification+of+optically+sensed+aphid+(Homoptera:+Aphidae)+wingbeat+waveforms.">Automated identification of optically sensed aphid (Homoptera: Aphidae) wingbeat waveforms.</a> Annals of the Entomological Society of America. 95 (1), 1-8 (2002).</li><li>Li, Z., Zhou, Z., Shen, Z., Yao, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+identification+of+mosquito+(diptera:+Culicidae)+wingbeat+waveform+by+artificial+neural+network.">Automated identification of mosquito (diptera: Culicidae) wingbeat waveform by artificial neural network.</a> Artificial Intelligence Applications and Innovations. , 483-489 (2005).</li><li>Moore, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Artificial+neural+network+trained+to+identify+mosquitoes+in+flight.">Artificial neural network trained to identify mosquitoes in flight.</a> Journal of insect behavior. 4 (3), 391-396 (1991).</li><li>Halevy, A., Norvig, P., Pereira, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+unreasonable+effectiveness+of+data.">The unreasonable effectiveness of data.</a> Intelligent Systems, IEEE. 24 (2), 8-12 (2009).</li><li>Banko, M., Brill, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mitigating+the+paucity-of-data+problem+exploring+the+effect+of+training+corpus+size+on+classifier+performance+for+natural+language+processing.">Mitigating the paucity-of-data problem exploring the effect of training corpus size on classifier performance for natural language processing.</a> , 1-5 (2001).</li><li>Shotton, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-time+human+pose+recognition+in+parts+from+single+depth+images.">Real-time human pose recognition in parts from single depth images.</a> Communications of the ACM. 56 (1), 116-124 (2013).</li><li>Ilyas, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Classifying+insects+on+the+fly.">Classifying insects on the fly.</a> Ecological Informatics. , (2013).</li><li>Mack, Y. P., Rosenblatt, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multivariate+k-nearest+neighbor+density+estimates.">Multivariate k-nearest neighbor density estimates.</a> Journal of Multivariate Analysis. 9 (1), 1-15 (1979).</li><li>Benedict, M., Robinson, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+first+releases+of+transgenic+mosquitoes+an+argument+for+the+sterile+insect+technique.">The first releases of transgenic mosquitoes an argument for the sterile insect technique.</a> TRENDS in Parasitology. 19 (8), 349-355 (2003).</li><li>. Supporting Materials Available from: <a target="_blank" href="https://sites.google.com/site/insectclassification">https://sites.google.com/site/insectclassification</a></li><li>Chen, Y., Why, A., Batista, G., Mafra-Neto, A., Keogh, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Flying+Insect+Classification+with+Inexpensive+Sensors.">Flying Insect Classification with Inexpensive Sensors.</a> Journal of Insect. 27 (5), 657-677 (2014).</li></ol>

The authors declare that they have no competing financial interests.

The sensor/classification framework described here allows the inexpensive and scalable classification of flying insects. The accuracies achievable by the system are good enough to allow the development of commercial products and could be a useful tool in entomological research.
The ability to use inexpensive, noninvasive sensors to accurately and automatically classify flying insects would have significant implications for entomological research. For example, by deploying the system in the field to count and classify insect vectors, the system can provide real-time counts of the target species, producing real-time information that can be used to plan intervention/suppression programs to combat malaria. Moreover, the system can automatically separate insects by sex, and thus it can be used to free entomologists working on the Sterile Insect Technique15 from the tedious and time-consuming task of manually sexing the insects.
In using this system, the most critical step is to properly set up the sensor for data collection. If the laser and the photo array are not properly aligned, the data will be very noisy. After the insects are placed in the cage, the photo array should always be fine-tuned using the magnets on the outside of the cage. Note that flashing lights, camera flashes and vibrations near the cages will introduce noise to the data. Therefore, to obtain clean data, place the cage in a dark room, and wherever necessary, place dry towels under the cages in order to diminish the level of vibration.
The classifier presented in this work used just two additional features. However, there may be dozens of additional features that could help improve the classification performance. As the potential features are domain and application specific, the users could choose features based on their specific need or applications. The general framework of the classifier allows users to easily add features to the classifier to improve the classification performance.
To encourage the adoption and extension of our ideas, we are making all code, data, and sensor schematics freely available at the UCR Computational Entomology Page16-17. Moreover, within the limits of our budget, we will continue our practice of giving a complete system (as shown in&#160;Figure 1) to any research entomologist who requests one.

自動的に飛行の付帯音を使って昆虫を分類する考え方は、最も初期のコンピュータの時代と市販のオーディオ録音機器1にさかのぼる。しかし、ほとんど進展は、介在十年でこの問題について説明した。この追求の進展の欠如は、いくつかの関連する要因に起因することができます。 まず、有効なセンサの欠如は、データ収集が困難になった。データを収集するためのほとんどの努力は、音響マイクロフォン2-5を使用している。このようなデバイスは、非常にまばらな、低品質のデータで、その結果、環境中のノイズや周囲の騒音を巻くことは非常に敏感である。 第二に、これらのデータ品質の問題を配合することは、多くの研究者が非常に複雑な分類モデル、特にニューラルネットワーク6-8を学習することを試みてきたという事実である。例の単なる十で、複雑な分類モデルを学習しようとすると、オーバーフィッティングのためのレシピです。 第三に、データ取得の困難は、多くの研究者は300のインスタンス9以下のように少数のように、非常に限られたデータに分類モデルを構築することを試みていることを意味している。しかし、正確な分類モデルを構築するために、より多くのデータが10-13優れていることが知られている。 この作品は、すべての3つの問題に対処します。オプティカル（ではなく音響 ）センサーは、ノイズや周囲の音を巻くために、完全な不変性で、数メートル先から昆虫の飛行の&quot;音&quot;を記録するために使用することができます。これらのセンサは、以前のすべての努力よりもはるかに多くのデータを組み合わせて、ラベルされた訓練事例の数百万の記録を許可されたため、以前の研究努力を悩ませてきた、オーバーフィッティングを回避している。原則に基づいた方法は、その分類モデルへの追加的な情報の取り込みを可能にするの下に表示されます。この追加情報は、日常のようにようにすることができ時刻などから入手しやすいが、その場合でも、モデルの精度が大幅に利益を生み出す。最後に、私たちが収集した膨大な量のデータは、私たちは、シンプル、正確かつ堅牢な分類子を生成するために&quot; データの不当な有効性 」10を利用できるようにすることが実証されている。 要約すると、飛ぶ昆虫の分類は研究室で作成した怪しげな主張を越えて移動し、現在、現実の展開のための準備ができています。この作品で提示センサーとソフトウェアは、世界中の研究を加速するための強力なツールを研究者に提供します。

<table><tbody><tr><td>Audio recorder: ICD-PX312</td><td>Sony</td><td>4-267-065-11(2)</td><td>With a 8 GB microSD extra memory</td></tr><tr><td>Insectary</td><td>Lee&#039;s Aquarium &amp;amp; Pet Products.</td><td>20088 HerpHaven&amp;reg;, Large Rectangle</td><td>14 1/2&quot; long x 8 3/4&quot; wide x 9 3/4&quot; high. Modified to house insects.</td></tr><tr><td>Laser line generator, 650 nm (red)</td><td>Apinex (www.apinex.com)</td><td>LN60-650</td><td>5 mW. This is a low powered laser, similar to a teacher&#039;s laser pointer</td></tr><tr><td>Photodiode array</td><td>VISHAY SEMICONDUCTOR&amp;nbsp; TEFD4300&amp;nbsp; PIN PHOTODIODE, 650NM, 20DEG, T1</td><td>TEFD4300</td><td>We made a custom array of 15 of these photodiodes wired in parallel.</td></tr><tr><td>Analogue to digital convertor integrated circuit</td><td>Custom made in our lab</td><td></td><td>We made this item ourselves, but an easily available commercial product, Gino PCF8591 AD/DA Converter, provides the same functionality.</td></tr></tbody></table>

flying insect detection and classification with inexpensive sensors

正確に飛翔昆虫を分類できた安価な、非侵襲的なシステムは、昆虫学の研究にとって重要な意味を持っており、両方の医療や農業昆虫学のためのベクトルと害虫駆除の多くの有用なアプリケーションの開発を可能にするであろう。この与えられた、最後の60年は、このタスクを対象とした数多くの研究努力を見てきました。しかし、今日まで、本研究のいずれも、持続的な影響を与えなかった。本研究では、擬似的な音響光学センサは、優れたデータを生成できることを示している。昆虫の飛行動作に内因性および外因性の両方その追加機能には、昆虫分類を改善するために利用することができます。ことは、ベイジアン分類アプローチは、効率的にオーバーフィッティングに非常に堅牢である分類モデルを学習することができ、そして一般的な分類の枠組みを簡単に特徴の任意の数を組み込むことができます。私たちは、以前のすべての作品のコンビを矮小大規模実験での知見を実証昆虫の数と見なさ種の数によって測定されるように、定義さ。

Two experiments are presented here. For both experiments, the data used were randomly sampled from a dataset that contains over 100,000 objects.
The first experiment shows the ability of the proposed classifier to accurately classify different species/sexes of insects. As the classification accuracy depends on the insects to be classified, a single absolute value for classification accuracy will not give the reader a good intuition about the performance of the system. Instead, rather than reporting the classifier&#8217;s accuracy on a fixed set of insects, the classifier was applied to datasets with an incrementally increasing number of species, and therefore increasing classification difficulty.
The dataset began with just 2&#160;species of insects; then at each step, one more species (or a single sex of a sexually dimorphic species) was added and the classifier was used to classify the increased number of species (the new dataset). A total of ten classes of insects (different sexes from the same species counting as different classes) were considered, with 5,000 exemplars in each class.
The classifier used both insect-sound (frequency spectrum) and time-of-intercept for classification. Table 1 shows the classification accuracy measured at each step and the relevant class added at that step.
According to Table 1, the classifier achieves more than 96% accuracy when classifying no more than 5&#160;species of insects, significantly higher than the default rate of 20% accuracy. Even when the number of classes considered increases to 10, the classification accuracy is never lower than 79%, again significantly higher than the default rate of 10%. Note that the ten classes are not easy to separate, even by human inspection. Among the ten species, eight of them are mosquitoes, with six of them being from the same genus.
The second experiment is to show how accurately the system can sex flying insects, specifically, to distinguish male Ae. aegypti mosquitoes from females. For the first part of the experiment, assume that the &#8220;misclassification cost&#8221; of misclassifying males as females is the same as the cost of misclassifying females as males. With this assumption, the classification results are shown in Table 2.I. The classification accuracy to sex Ae. aegypti is about 99.4%.
For the second part of experiment, assume the cost is not asymmetric, i.e., misclassification of females as males is much more costly than the reverse. With this assumption, the decision threshold of the classifier was changed to reduce the number of high-cost misclassifications. With the threshold properly adjusted, the classification results in Table 2.II were achieved. Of 2,000 insects in the experiment, twenty-two males, and zero females were misclassified.
<img alt="Figure 1" fo:content-width="5in" src="/files/ftp_upload/52111/52111fig1highres.jpg" width="500" /> 
Figure 1. (I) One of the experimental cages used to gather the data. (II) A logical version of the sensor setup with the components annotated. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/52111/52111fig1highres.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
<img alt="Figure 2" src="/files/ftp_upload/52111/52111fig2highres.jpg" /> 
Figure 2. (I) An example of a 1 sec audio clip containing a &#8220;flying insect sound&#8221; generated by the sensor. The sound was produced by a female Cx. stigmatosoma. The insect sound is highlighted in red/bold. (II) The &#8220;insect sound&#8221;, which has been cleaned and saved into a 1-sec&#160;long audio clip by centering the insect signal and padding with 0s elsewhere. (III) The frequency spectrum of the insect sound, obtained using Discrete Fourier Transform. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/52111/52111fig2highres.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
<img alt="Figure 3" src="/files/ftp_upload/52111/52111fig3highres.jpg" /> 
Figure 3.&#160;A Bayesian network that uses a single feature for classification.
<img alt="Figure 4" src="/files/ftp_upload/52111/52111fig4highres.jpg" /> 
Figure 4.&#160;A Bayesian network that uses two independent features for classification
<img alt="Figure 5" src="/files/ftp_upload/52111/52111fig5highres.jpg" /> 
Figure 5.&#160;The&#160;circadian rhythms of Cx. stigmatosoma (female), Cx. tarsalis (male), and Ae. aegypti (female), learned based on observations generated by the sensor that were collected over 1&#160;month duration. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/52111/52111fig5highres.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
<img alt="Figure 6" src="/files/ftp_upload/52111/52111fig6highres.jpg" /> 
Figure 6.&#160;A Bayesian network that uses three independent features for classification.
<img alt="Figure 7" src="/files/ftp_upload/52111/52111fig7highres.jpg" /> 
Figure 7.&#160;The assumptions of the geographic distributions of each insect species and sensor locations in the simulation to demonstrate the effectiveness of using location-of-intercept feature in classification. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/52111/52111fig7highres.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
<img alt="Figure 8" src="/files/ftp_upload/52111/52111fig8highres.jpg" /> 
Figure 8.&#160;The general Bayesian network that uses n features for classification, where n is a positive integer. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/52111/52111fig8highres.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
<table border="0" cellpadding="0" cellspacing="0">
	<tbody>
		<tr>
			<td>Step</td>
			<td>Species Added&#160;</td>
			<td>Classification Accuracy</td>
			<td></td>
			<td>Step</td>
			<td>Species Added&#160;</td>
			<td>Classification Accuracy</td>
		</tr>
		<tr>
			<td>1</td>
			<td>Ae. aegypti &#9794;</td>
			<td>N/A</td>
			<td></td>
			<td>6</td>
			<td>Cx. quinquefasciatus &#9794;</td>
			<td>92.69%</td>
		</tr>
		<tr>
			<td>2</td>
			<td>Musca domestica</td>
			<td>98.99%</td>
			<td></td>
			<td>7</td>
			<td>Cx. stigmatosoma &#9792;</td>
			<td>89.66%</td>
		</tr>
		<tr>
			<td>3</td>
			<td>Ae. aegypti &#9792;</td>
			<td>98.27%</td>
			<td></td>
			<td>8</td>
			<td>Cx. tarsalis &#9794;</td>
			<td>83.54%</td>
		</tr>
		<tr>
			<td>4</td>
			<td>Cx. stigmatosoma &#9794;</td>
			<td>97.31%</td>
			<td></td>
			<td>9</td>
			<td>Cx. quinquefasciatus&#160;&#9792;</td>
			<td>81.04%</td>
		</tr>
		<tr>
			<td>5</td>
			<td>Cx. tarsalis &#9792;</td>
			<td>96.10%</td>
			<td></td>
			<td>10</td>
			<td>Drosophila simulans</td>
			<td>79.44%</td>
		</tr>
	</tbody>
</table>
Table 1.&#160;Classification accuracy with increasing number of classes.
<table border="0" cellpadding="0" cellspacing="0">
	<tbody>
		<tr>
			<td></td>
			<td></td>
			<td colspan="2">Predicted class</td>
			<td></td>
			<td colspan="2"></td>
			<td colspan="2">Predicted class</td>
		</tr>
		<tr>
			<td colspan="2">I (Symmetric cost)</td>
			<td>female</td>
			<td>male</td>
			<td></td>
			<td colspan="2">II (Asymmetric cost)</td>
			<td>female</td>
			<td>male</td>
		</tr>
		<tr>
			<td rowspan="2">Actual class</td>
			<td>female</td>
			<td>993</td>
			<td>7</td>
			<td></td>
			<td rowspan="2">Actual class</td>
			<td>female</td>
			<td>1,000</td>
			<td>0</td>
		</tr>
		<tr>
			<td>male</td>
			<td>5</td>
			<td>995</td>
			<td></td>
			<td>male</td>
			<td>22</td>
			<td>978</td>
		</tr>
	</tbody>
</table>
Table 2. (I) The confusion matrix for sex discrimination of Ae. aegypti mosquitoes with the decision threshold for females is set at 0.5 (i.e., same cost assumption). (II) The confusion matrix of sex the same mosquitoes, with the decision threshold for females set at 0.1.

Watch this Scientific Journal Video about Flying Insect Detection and Classification with Inexpensive Sensors at JoVE.com

Flying Insect Detection and Classification with Inexpensive Sensors

We proposed a system that uses inexpensive, noninvasive pseudo-acoustic optical sensors to automatically and accurately detect, count, and classify flying insects based on their flying sound.

安価なセンサで昆虫の検出と分類をフライング

An inexpensive, noninvasive system that could accurately classify flying insects would have important implications for entomological research, and allow ...

flying-insect-detection-and-classification-with-inexpensive-sensors

Nanyang Technological University

Research

JoVE Journal

Bioengineering

25.1K ビュー.  University of California, Riverside. We proposed a system that uses inexpensive, noninvasive pseudo-acoustic optical sensors to automatically and accurately detect, count, and classify flying insects based on their flying sound.

ビデオ: Flying Insect Detection and Classification with Inexpensive Sensors

Early Metamorphic Insertion Technology for Insect Flight Behavior Monitoring

Early Metamorphosis Insertion Technology (EMIT) is a novel methodology for integrating microfabricated neuromuscular recording and actuation platforms on insects during their metamorphic development. Here, the implants are fused within the structure and function of the neuromuscular system as a result of metamorphic tissue remaking. The implants emerge with the insect where the development of tissue around the electronics during pupal development results in a bioelectrically and biomechanically enhanced tissue interface. This relatively more reliable and stable interface would be beneficial for many researchers exploring the neural basis of the insect locomotion with alleviated traumatic effects caused during adult stage insertions. In this article, we implant our electrodes into the indirect flight muscles of Manduca sexta. Located in the dorsal-thorax, these main flight powering dorsoventral and dorsolongitudinal muscles actuate the wings and supply the mechanical power for up and down strokes. Relative contraction of these two muscle groups has been under investigation to explore how the yaw maneuver is neurophysiologically coordinated. To characterize the flight dynamics, insects are often tethered with wires and their flight is recorded with digital cameras. We also developed a novel way to tether Manduca sexta on a magnetically levitating frame where the insect is connected to a commercially available wireless neural amplifier. This set up can be used to limit the degree of freedom to yawing &#8220;only&#8221; while transmitting the related electromyography signals from dorsoventral and dorsolongitudinal muscle groups.

We present a novel surgical procedure to implant electrodes in Manduca sexta during its early metamorphic stages. This technique allows mechanically stable and electrically reliable coupling with the neuromuscular tissue to study flight neurophysiology dynamics. We also present a novel magnetic levitation platform for tethered studies of insect yaw.

昆虫飛翔挙動監視のための早期変成挿入技術

Early Metamorphosis Insertion Technology (EMIT) is a novel methodology for integrating microfabricated neuromuscular recording and actuation platforms on ...

行動学

Measuring the Flight Ability of the Ambrosia Beetle, Platypus Quercivorus (Murayama), Using a Low-Cost, Small, and Easily Constructed Flight Mill

The ambrosia beetle, Platypus quercivorus (Murayama), is the vector of a fungal pathogen that causes mass mortality of Fagaceae trees (Japanese oak wilt). Therefore, knowing the dispersal capacity may help inform trapping/tree removal efforts to prevent this disease more effectively. In this study, we measured the flight velocity and duration and estimated the flight distance of the beetle using a newly developed flight mill. The flight mill is low cost, small, and constructed using commonly available items. Both the flight mill arm and its vertical axis comprise a thin needle. A beetle specimen is glued to one tip of the arm using instant glue. The other tip is thick due to being covered with plastic, thus it facilitates the detection of rotations of the arm. The revolution of the arm is detected by a photo sensor mounted on an infrared LED, and is indicated by a change in the output voltage when the arm passed above the LED. The photo sensor is connected to a personal computer and the output voltage data are stored at a sampling rate of 1 kHz. By conducting experiments using this flight mill, we found that P. quercivorus can fly at least 27 km. Because our flight mill comprises cheap and small ordinary items, many flight mills can be prepared and used simultaneously in a small laboratory space. This enables experimenters to obtain a sufficient amount of data within a short period.

Measuring the Flight Ability of the Ambrosia Beetle, Platypus Quercivorus Murayama, Using a Low-Cost, Small, and Easily Constructed Flight Mill

We developed a low cost and small flight mill, constructed with commonly available items and easily used in experimentation. Using this apparatus, we measured the flight ability of an ambrosia beetle, Platypus quercivorus.

低コスト、小型で、簡単に構築されたフライトのミルを使用してアンブロシア甲虫、カシノナガキクイムシ(村山) の飛行能力を測定

The ambrosia beetle, Platypus quercivorus (Murayama), is the vector of a fungal pathogen that causes mass mortality of Fagaceae trees (Japanese oak wilt). ...

環境学

A Precise and Autonomous System for the Detection of Insect Emergence Patterns

Existing systems to measure insect emergence patterns have limitations; they are only partially automated and are limited in the maximum number of emerging insects they can detect. In order to obtain precise measurement of insect emergence, it is necessary for systems to be semi-automated and able to measure large numbers of emerging insects. We addressed these issues by designing and building a system that is automated and can measure emergence of up to 1200 insects. We modified the existing &#34;falling-ball&#34; system using Arduino microcontrollers to automate data collection and expand the sample size through multiple data channels. Multiple data channels enable the user to not only increase their sample size, but also allows for multiple treatments to be run simultaneously in a single experiment. Furthermore, we created an R script to automatically visualize the data as a bubble plot, while also calculating the median day and time of emergence. The current system was designed using 3D printing so the user can modify the system to be adjusted for different species of insects. The goal of this protocol is to investigate important questions in chronobiology and stress physiology, using this precise and automated system to measure insect emergence patterns.

Measurement of insect emergence patterns requires precision. Existing systems are only semi-automated and sample size is limited. We addressed these issues by designing a system using microcontrollers to precisely measure the time of emergence of large numbers of emerging insects.

昆虫の出現パターンの検出の正確かつ自律システム

Existing systems to measure insect emergence patterns have limitations; they are only partially automated and are limited in the maximum number of ...

A Wind Tunnel for Odor Mediated Insect Behavioural Assays

Olfaction is the most important sensory mechanism by which many insects interact with their environment and a wind tunnel is an excellent tool to study insect chemical ecology. Insects can locate point sources in a three-dimensional environment through the sensory interaction and sophisticated behavior. The quantification of this behavior is a key element in the development of new tools for pest control and decision support. A wind tunnel with a suitable flight section with laminar air flow, visual cues for in-flight feedback and a variety of options for the application of odors can be used to measure complex behaviour which subsequently may allow the identification of attractive or repellent odors, insect flight characteristics, visual-odor interactions and interactions between attractants and odors lingering as background odors in the environment. A wind tunnel holds the advantage of studying the odor mediated behavioural repertoire of an insect in a laboratory setting. Behavioural measures in a controlled setting provide the link between the insect physiology and field application. A wind tunnel must be a flexible tool and should easily support the changes to setup and hardware to fit different research questions. The major disadvantage to the wind tunnel setup described here, is the clean odor background which necessitates special attention when developing a synthetic volatile blend for field application.

Here, we describe the construction and use of a wind tunnel for odor mediated behavioural assays with insects. The wind tunnel design facilitates the release of odor sources by several methods, with and without visual stimuli. Wind tunnel experiments are important methods to identify behaviorally active volatile chemicals.

においの風洞媒介昆虫行動アッセイ

Olfaction is the most important sensory mechanism by which many insects interact with their environment and a wind tunnel is an excellent tool to study ...

Low-Cost Automated Flight Intercept Trap for the Temporal Sub-Sampling of Flying Insects Attracted to Artificial Light at Night

Sampling methods are selected depending on the targeted species or the spatial and temporal requirements of the study. However, most methods for passive sampling of flying insects have a poor temporal resolution because it is time-consuming, costly and/or logistically difficult to perform. Effective sampling of flying insects attracted to artificial light at night (ALAN) requires sampling at user-defined time points (nighttime only) across well-replicated sites resulting in major time and labor-intensive survey effort or expensive automated technologies. Described here is a low-cost automated intercept trap that requires no specialist equipment or skills to construct and operate, making it a viable option for studies that require temporal sub-sampling across multiple sites. The trap can be used to address a wide range of other ecological questions that require a greater temporal and spatial scale than is feasible with previous trap technology.

To study the impacts of artificial light at night (ALAN) on nocturnal flying insects, sampling needs to be confined to nighttime. The protocol describes a low-cost automated flight intercept trap that allows researchers to sample at user-defined periods with increased replication.

夜間に人工光に引き寄せられた飛行昆虫の時間的サブサンプリングのための低コスト自動飛行傍受トラップ

Sampling methods are selected depending on the targeted species or the spatial and temporal requirements of the study. However, most methods for passive ...

Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches

Robots designed to track chemical leaks in hazardous industrial facilities1 or explosive traces in landmine fields2 face the same problem as insects foraging for food or searching for mates3: the olfactory search is constrained by the physics of turbulent transport4. The concentration landscape of wind borne odors is discontinuous and consists of sporadically located patches. A pre-requisite to olfactory search is that intermittent odor patches are detected. Because of its high speed and sensitivity5-6, the olfactory organ of insects provides a unique opportunity for detection. Insect antennae have been used in the past to detect not only sex pheromones7 but also chemicals that are relevant to humans, e.g., volatile compounds emanating from cancer cells8 or toxic and illicit substances9-11. We describe here a protocol for using insect antennae on autonomous robots and present a proof of concept for tracking odor plumes to their source. The global response of olfactory neurons is recorded in situ in the form of electroantennograms (EAGs). Our experimental design, based on a whole insect preparation, allows stable recordings within a working day. In comparison, EAGs on excised antennae have a lifetime of 2 hr. A custom hardware/software interface was developed between the EAG electrodes and a robot. The measurement system resolves individual odor patches up to 10 Hz, which exceeds the time scale of artificial chemical sensors12. The efficiency of EAG sensors for olfactory searches is further demonstrated in driving the robot toward a source of pheromone. By using identical olfactory stimuli and sensors as in real animals, our robotic platform provides a direct means for testing biological hypotheses about olfactory coding and search strategies13. It may also prove beneficial for detecting other odorants of interests by combining EAGs from different insect species in a bioelectronic nose configuration14 or using nanostructured gas sensors that mimic insect antennae15.

We describe a protocol for using insect antennae in the form of electroantennograms (EAGs) on autonomous robots. Our experimental design allows stable recordings within a day and resolves individual odor patches up to 10 Hz. The efficiency of EAG sensors for olfactory searches is demonstrated in driving a robot toward an odor source.

嗅覚検索用自律型ロボットに昆虫Electroantennogramセンサを用いた

Robots designed to track chemical leaks in hazardous industrial facilities1 or explosive traces in landmine fields2 face the same problem as insects ...

神経科学

Building an Enhanced Flight Mill for the Study of Tethered Insect Flight

Makerspaces have a high potential of enabling researchers to develop new techniques and to work with novel species in ecological research. This protocol demonstrates how to take advantage of the technology found in makerspaces in order to build a more versatile flight mill for a relatively low cost. Given that this study extracted its&#160;prototype from flight mills built in the last decade, this protocol focuses more on outlining divergences made from the simple, modern flight mill. Previous studies have already shown how advantageous flight mills are to measuring flight parameters such as speed, distance, or periodicity. Such mills have allowed researchers to associate these parameters with morphological, physiological, or genetic factors. In addition to these advantages, this study discusses the benefits of using the technology in makerspaces, like 3D printers and laser cutters, in order to build a more flexible, sturdy, and collapsible flight mill design. Most notably, the 3D printed components of this design allow the user to test insects of various sizes by making the heights of the mill arm and infrared (IR) sensors adjustable. The 3D prints also enable the user to easily disassemble the machine for quick storage or transportation to the field. Moreover, this study makes greater use of magnets and magnetic paint to tether insects with minimal stress. Lastly, this protocol details a versatile analysis of flight data through computer scripts that efficiently separate and analyze differentiable flight trials within a single recording. Although more labor-intensive, applying the tools available in makerspaces and on online 3D modeling programs facilitates multidisciplinary and process-orientated practices and helps researchers avoid costly, premade products with narrowly adjustable dimensions. By taking advantage of the flexibility and reproducibility of technology in makerspaces, this protocol promotes creative flight mill design and inspires open science.

This protocol uses three-dimensional (3D) printers and laser cutters found in makerspaces in order to create a more flexible flight mill design. By using this technology, researchers can reduce costs, enhance design flexibility, and generate reproducible work when constructing their flight mills for tethered insect flight studies.

テザード昆虫飛行研究のための強化飛行ミルの建設

Makerspaces have a high potential of enabling researchers to develop new techniques and to work with novel species in ecological research. This protocol ...

工学

Electroantennography-based Bio-hybrid Odor-detecting Drone using Silkmoth Antennae for Odor Source Localization

Small drones with chemical or biosensor devices that can detect airborne odorant molecules have attracted considerable attention owing to their applicability in environmental and security monitoring and search-and-rescue operations. Small drones with commercial metal-oxide-semiconductor (MOX) gas sensors have been developed for odor source localization; however, their real-time-odor-detection performance has proven inadequate. However, biosensing technologies based on insect olfactory systems exhibit relatively high sensitivity, selectivity, and real-time response with respect to odorant molecules compared to commercial MOX gas sensors. In such devices, excised insect antennae function as portable odorant biosensor elements and have been found to deliver excellent sensing performance. This study presents experimental protocols for odorant-molecule detection in the air using a small autonomous bio-hybrid drone based on a mountable electroantennography (EAG) device incorporating silkmoth antennae.
We developed a mountable EAG device including sensing/processing parts with a Wi-Fi module. The device was equipped with a simple sensor enclosure to enhance the sensor directivity. Thus, odor source localization was conducted using the spiral-surge algorithm, which does not assume an upwind direction. The experimental bio-hybrid odor-detecting drone identified real-time odorant-concentration differences in a pseudo-open environment (outside a wind tunnel) and localized the source. The developed drone and associated system can serve as an efficient odorant molecule-detection tool and a suitable flight platform for developing odor source localization algorithms owing to its high programmability.

This study introduces experimental protocols for a bio-hybrid odor-detecting drone based on silkmoth antennae. The operation of an experimental electroantennogram device with silkmoth antennae is presented, in addition to the structure of a bio-hybrid drone designed for odor source localization using the spiral-surge algorithm.

電気解析ベースのバイオハイブリッド臭気検出ドローンは、臭気源の局在化のためのシルクモスアンテナを用いた

Small drones with chemical or biosensor devices that can detect airborne odorant molecules have attracted considerable attention owing to their ...

A Simple Flight Mill for the Study of Tethered Flight in Insects

Flight in insects can be long-range migratory flights, intermediate-range dispersal flights, or short-range host-seeking flights. Previous studies have shown that flight mills are valuable tools for the experimental study of insect flight behavior, allowing researchers to examine how factors such as age, host plants, or population source can influence an insects' propensity to disperse. Flight mills allow researchers to measure components of flight such as speed and distance flown. Lack of detailed information about how to build such a device can make their construction appear to be prohibitively complex. We present a simple and relatively inexpensive flight mill for the study of tethered flight in insects. Experimental insects can be tethered with non-toxic adhesives and revolve around an axis by means of a very low friction magnetic bearing. The mill is designed for the study of flight in controlled conditions as it can be used inside an incubator or environmental chamber. The strongest points are the very simple electronic circuitry, the design that allows sixteen insects to fly simultaneously allowing the collection and analysis of a large number of samples in a short time and the potential to use the device in a very limited workspace. This design is extremely flexible, and we have adjusted the mill to accommodate different species of insects of various sizes.

Flight in insects is influenced by a number of factors and the propensity to disperse is an important variable in understanding insect ecology and biological control strategies. We describe the construction and use of a simple, relatively inexpensive, and flexible flight mill for measuring parameters of tethered flight in insects.

昆虫における係留飛行の研究のための簡単​​なフライトミル

Flight in insects can be long-range migratory flights, intermediate-range dispersal flights, or short-range host-seeking flights. Previous studies have ...

Insect-controlled Robot: A Mobile Robot Platform to Evaluate the Odor-tracking Capability of an Insect

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor sources is an essential task for organism survival. Insects are well-studied organisms with regard to odor tracking, and their behavioral strategies have been applied to mobile robots for evaluation. This "bottom-up" approach is a fundamental way to develop biomimetic robots; however, the biological analyses and the modeling of behavioral mechanisms are still ongoing. Therefore, it is still unknown how such a biological system actually works as the controller of a robotic platform. To answer this question, we have developed an insect-controlled robot in which a male adult silkmoth (Bombyx mori) drives a robot car in response to odor stimuli; this can be regarded as a prototype of a future insect-mimetic robot. In the cockpit of the robot, a tethered silkmoth walked on an air-supported ball and an optical sensor measured the ball rotations. These rotations were translated into the movement of the two-wheeled robot. The advantage of this "hybrid" approach is that experimenters can manipulate any parameter of the robot, which enables the evaluation of the odor-tracking capability of insects and provides useful suggestions for robotic odor-tracking. Furthermore, these manipulations are non-invasive ways to alter the sensory-motor relationship of a pilot insect and will be a useful technique for understanding adaptive behaviors.

The capability to localize an odor source is necessary for insect survival and is expected to be applicable to artificial odor-tracking. The insect-controlled robot is driven by an actual silkmoth and enables us to evaluate the odor-tracking capability of insects through a robotic platform.

昆虫制御のロボット：移動ロボットプラットフォーム昆虫の匂い追跡能力を評価します

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor ...

安価なセンサで昆虫の検出と分類をフライング

要約

さらに動画を探す

この動画の章

昆虫飛翔挙動監視のための早期変成挿入技術

低コスト、小型で、簡単に構築されたフライトのミルを使用してアンブロシア甲虫、カシノナガキクイムシ(村山) の飛行能力を測定

昆虫の出現パターンの検出の正確かつ自律システム

においの風洞媒介昆虫行動アッセイ

夜間に人工光に引き寄せられた飛行昆虫の時間的サブサンプリングのための低コスト自動飛行傍受トラップ

嗅覚検索用自律型ロボットに昆虫Electroantennogramセンサを用いた

テザード昆虫飛行研究のための強化飛行ミルの建設

電気解析ベースのバイオハイブリッド臭気検出ドローンは、臭気源の局在化のためのシルクモスアンテナを用いた

昆虫における係留飛行の研究のための簡単なフライトミル

昆虫制御のロボット：移動ロボットプラットフォーム昆虫の匂い追跡能力を評価します

安価なセンサで昆虫の検出と分類をフライング

要約

さらに動画を探す

この動画の章

昆虫飛翔挙動監視のための早期変成挿入技術

低コスト、小型で、簡単に構築されたフライトのミルを使用してアンブロシア甲虫、カシノナガキクイムシ(村山) の飛行能力を測定

昆虫の出現パターンの検出の正確かつ自律システム

においの風洞媒介昆虫行動アッセイ

夜間に人工光に引き寄せられた飛行昆虫の時間的サブサンプリングのための低コスト自動飛行傍受トラップ

嗅覚検索用自律型ロボットに昆虫Electroantennogramセンサを用いた

テザード昆虫飛行研究のための強化飛行ミルの建設

電気解析ベースのバイオハイブリッド臭気検出ドローンは、臭気源の局在化のためのシルクモスアンテナを用いた

昆虫における係留飛行の研究のための簡単​​なフライトミル

昆虫制御のロボット：移動ロボットプラットフォーム昆虫の匂い追跡能力を評価します

昆虫における係留飛行の研究のための簡単なフライトミル