Зачем нужен мониторинг насекомых-опылителей
Пчёлы, шмели и другие опылители критически важны для продовольственных систем и здоровья экосистем, однако отслеживать их популяции долгое время было непростой задачей. Традиционные методы требовали отлова и умерщвления насекомых для детального изучения — подход трудоёмкий и негуманный.
Сегодня учёные всё чаще обращаются к системам компьютерного зрения на базе машинного обучения, чтобы автоматически классифицировать насекомых. Но и у этих решений есть слабые места: переменчивое освещение, непогода, зашумлённый фон, а также способность насекомых просто улететь при приближении камеры.
Идея из радиолокации: микродоплеровские сигнатуры
Группа европейских исследователей предложила использовать радар. Сама по себе идея не нова — радары десятилетиями применяют для изучения миграции насекомых, но обычно на больших высотах и в массовых скоплениях. Одиночные же особи у земли, как опылители, летающие от цветка к цветку, дают слишком слабое отражение.
«Отражённый от одного насекомого сигнал чрезвычайно слаб, — объясняет Адам Нарбудович, доцент Технологического университета Дании. — Засечь его в отдельный момент времени почти невозможно».
Решение пришло, когда исследователи обратили внимание на микродоплеровские сигнатуры — характерные изменения во времени, возникающие в отражённом сигнале из-за мельчайших колебаний, например взмахов крыльев. Именно такие паттерны позволяют радарам отличать птиц от дронов, а теперь — и одних насекомых от других, если накопить сигнал за достаточный интервал.
Миллиметровый радар и пять видов опылителей
Для своей системы учёные выбрали миллиметровый диапазон волн — его длина лучше согласуется с размерами насекомых, и он уже активно применяется в современных сотовых сетях.
Эксперимент проводился в кампусе Тринити-колледжа в Дублине. В него включили пять видов опылителей, включая медоносных пчёл и обычных ос. Каждую особь на короткое время помещали в небольшой пластиковый цилиндр над антенной миллиметрового радара, записывая её радиолокационную «подпись», после чего насекомое отпускали.
«Поначалу мы сомневались, что что-то получится: насекомые очень маленькие, а сигналы микродоплера — крайне слабые», — признаётся Нарбудович.
Что показал машинный анализ
Модель машинного обучения проанализировала более 70 параметров отражённых сигналов: не только частоту взмахов, но и скорость изменения движений крыльев, амплитуду отражений и другие детали. Результаты были опубликованы 28 апреля в журнале PNAS Nexus.
Тонкие различия в микродоплеровских сигнатурах оказались достаточными, чтобы различать виды. «Удивительно наблюдать, как по-разному виды используют крылья, и что это можно зафиксировать радаром, — говорит Нарбудович. — На сырых сигналах эти нюансы почти незаметны, но машинное обучение вытаскивает их на поверхность».
Точность классификации на уровне вида достигла 85%. А когда задачу упростили до различения семейств — пчёлы (четыре вида) и осы (один вид) — модель показала 96% точных ответов.
Кроме того, выяснилось, что чем дольше насекомое находится в луче радара, тем выше точность: за 0,1 секунды — 75%, за 1 секунду — уже 84%. Поэтому авторы предлагают разрабатывать специальные «ловушки» в виде камер, куда насекомое залетает, система его сканирует, а затем без вреда выпускает.
«Уровень мощности нашего радара заведомо ниже порога, опасного для насекомых. Для сравнения — традиционные энтомологические ловушки убивают насекомое ядовитой цианистой жидкостью», — подчёркивает Нарбудович.
Что дальше: портативный прибор и глобальная база сигнатур
Хотя в исследовании участвовали только опылители, технология применима и для отслеживания вредителей или инвазивных видов. Сейчас команда работает над созданием портативной версии устройства, пригодной для полевых выездов.
Конечная цель — собрать библиотеку радиолокационных сигнатур множества насекомых, включая данные об окружающей среде (температура, влажность), чтобы понимать, как внешние факторы влияют на частоту взмахов и другие характеристики. Такая база позволит мгновенно идентифицировать любое насекомое в зоне действия радара, а со временем — фиксировать сдвиги в поведении через аномальные изменения в паттернах крыльевых движений.