雷達可區分昆蟲物種
研究人員開發了一種毫米波雷達系統，結合機器學習，透過分析昆蟲翅膀拍動產生的微多普勒特徵，能夠以85%的準確率區分不同傳粉昆蟲的物種，並且非侵入性地監測它們，有望替代傳統的致命昆蟲捕捉方法。
文章情報
要點
- 新型毫米波雷達系統使用微多普勒訊號分析昆蟲翅膀運動，實現物種分類。
- 機器學習模型對五種傳粉昆蟲的物種分類準確率達85%，科級分類達96%。
- 該系統功耗低，不傷害昆蟲，未來可開發行動式裝置並建立全球昆蟲雷達資料庫。
為什麼重要
這條新聞值得關注，因為新型毫米波雷達系統使用微多普勒訊號分析昆蟲翅膀運動，實現物種分類。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
蜜蜂等傳粉昆蟲在自然界中扮演著關鍵角色，它們不僅維持著食物網的平衡，還對作物授粉至關重要。然而，傳統的監測方法往往需要捕捉並殺死昆蟲才能進行近距離觀察，這種方式不僅耗時費力，而且對昆蟲種群造成傷害。為了解決這一問題，歐洲的研究人員開發了一種基於毫米波雷達的創新系統，能夠非侵入性地識別不同昆蟲物種，為生態監測提供了全新的思路。
該系統的工作原理是利用昆蟲翅膀拍動時產生的微多普勒特徵。當雷達波照射到昆蟲身上時，翅膀的微小擺動會導致反射波產生獨特的時間變化模式，這些模式就像是昆蟲的“指紋”。傳統雷達通常忽略這些微弱訊號，但研究團隊透過長時間積分，成功捕捉到了這些特徵。毫米波的波長與昆蟲尺寸相匹配，使得系統能夠區分細微差異，甚至可以區分鳥類和無人機。
在實驗中，研究團隊在都柏林三一學院捕捉了五種傳粉昆蟲，包括蜜蜂、黃蜂等。他們將昆蟲單獨放置在毫米波天線上方的塑膠圓柱內，記錄其雷達訊號，然後釋放。機器學習模型分析了超過70種特徵，包括翅膀拍動頻率、變化速度和反射強度。結果顯示，物種級別的分類準確率達到85%，而區分蜜蜂科和黃蜂科（不同科）的準確率高達96%。有趣的是，準確率隨著昆蟲在雷達波束內停留時間的增加而提高：從0.1秒的75%提升到1秒的84%。
為了實際應用，研究人員建議設計陷阱狀結構，讓昆蟲飛入後接受分析，然後無害釋放。雷達的功率水平遠低於對昆蟲造成傷害的程度，相比之下，傳統陷阱通常使用氰化物液體淹死昆蟲。儘管目前研究僅限於傳粉昆蟲，但該技術同樣可用於追蹤害蟲和入侵物種。
研究團隊計劃開發行動式現場部署版本，並最終建立全球資料庫，透過結合溫度、溼度等環境資料，實現即時昆蟲分類並監測行為變化。相關成果已發表於《PNAS Nexus》期刊，為昆蟲監測領域帶來了革命性的突破。