環保專案成果報告查詢系統

專案計畫編號
經費年度	112
計畫經費	1,978 千元
預算科目	化學物質評估與管理-環境用藥管理
專案開始日期	2023/07/26
專案結束日期	2023/11/30
專案主持人	李後鋒
主辦單位	化學署危害控制組
承辦人	賴致勳
執行單位	國立中興大學
專案分類	環境用藥、環境衛生
中文關鍵字	人工智慧、都市害蟲、物種鑑定
英文關鍵字	Artificial Intelligence, Urban Pests, Species Identification
協同主持人	歐陽彥杰
共同主持人
計畫聯絡人	陳良慧
計畫聯絡電話	04-22840361#563
計畫聯絡信箱	karenchen@nchu.edu.tw

中文摘要	隨著臺灣的都市化面積逐年增加，都市中的害蟲成為人類生活中必然會面對的問題，其中蟑螂 (Blattodea: Blattaria) 屬於公共衛生害蟲，身上可能攜帶超過40種不同的病原菌，具有導致各種人體疾病的風險，若無進行適當的防治，可能危害國人健康。為達到都市害蟲的最佳防治效果，減少用藥錯誤、施藥方法不當等問題，快速且正確的辨識物種成為關鍵的第一步。本研究針對美洲蟑螂 (Periplaneta americana)、德國蟑螂 (Blattella germanica) 及棕帶蟑螂 (Supella longipalpa) 三種都市常見的蟑螂物種，透過拍攝每個物種的雄成蟲、雌成蟲及若蟲活體，取得蟑螂不同角度的影像，訓練人工智慧 (AI) 系統進行物種、性別及發育階段的辨別。本研究為建立定點式拍攝裝置，使用尺寸高30 cm × 寬13 cm × 長21.5 cm 的透明壓克力盒，提供蟑螂在裝置內活動的空間，並測試 Olympus Tough TG-6 微距相機、網路攝影機 Spot Cam FHD 2、行車紀錄器 Sports HD DV H .264 1080P Full HD 三種攝影設備，將其架設於透明壓克力盒上方拍攝影像，以評估照片效果最佳之攝影設備。並且根據各攝影設備的功能，以開啟網路連線功能，連接至手機，接著以手機作為控制中心進行攝影及傳輸；或是將攝影設備切換至自動拍照模式，取得影像後，使用電腦將影像由 SD 卡輸出傳輸至雲端空間的方式獲得蟑螂的影像。蟑螂的照片經過後製調整為高（7923 × 4470 像素）、中（3264 × 1841 像素)、低（550 × 310 像素）三種解析度，以符合不同的影像辨識需求。取得大量照片後，以 label 的方式將照片內的蟲體進行框選及標籤化處理，辨識學習陷阱內的物種。透過以上作業流程，使得蟑螂照片可以順利取得並完成標示。拍攝蟑螂影像時，我們使用野外採集及飼養於實驗室之蟑螂，使活體在定點式拍攝裝置中活動，並使用黃、白、藍三種常見之黏蟲紙顏色作為背景，配合室內光照環境 (500-600 lux) 及室內黑暗環境進行拍攝。經過測試，我們發現微距相機所拍攝的照片效果最佳，另外兩種攝影設備則有照片影像扭曲的問題；而透過上述的作業流程，我們使用美洲蟑螂雄成蟲、雌成蟲、若蟲各50隻；德國蟑螂雄成蟲、雌成蟲、若蟲各50隻；棕帶蟑螂雄成蟲7隻、雌成蟲6隻，以及若蟲10隻，成功取得條件為黃色背景及照度500-600 lux 環境的照片，照片數為：美洲蟑螂雄成蟲、雌成蟲、若蟲各1,000張；德國蟑螂雄成蟲、雌成蟲、若蟲各1,000張；棕帶蟑螂雄成蟲、雌成蟲、若蟲各1,000張，共9,000張照片。並且以黃色背景及相機閃光燈、藍色背景及照度500-600 lux 環境、藍色背景及相機閃光燈、白色背景及照度500-600 lux 環境、白色背景及相機閃光燈等5種條件，每種條件各取得美洲蟑螂雄成蟲、雌成蟲、若蟲；德國蟑螂雄成蟲、雌成蟲、若蟲；棕帶蟑螂雄成蟲、若蟲的照片各100張，棕帶蟑螂雌成蟲的照片30張，總共5,150張照片。接下來透過 LabelImg 程式進行對上述蟑螂影像進行標籤化 (Label) 前處理，將每隻個體蟑螂分別框選出來以整理出全部的蟑螂資料集，經過初步測試，以上方法取得之影像藉由 YOLO (You Only Look Once) 可順利進行初步的偵測識別，並使用 YOLOv8 針對上述的資料集進行訓練後可準確偵測並辨識蟑螂及其物種，並進一步經多個不同實驗測試如新增物種測試（櫻桃紅蟑）其多少影像數量能達到一定準確度、辨識戶外蟑螂辨識殘體、測試6種不同環境（3色黏蟲紙、2種光源）下其訓練後偵測辨識準確度及進一步細分物種及其階段（含櫻桃紅蟑雄蟲）共十類，得到一定的辨識結果並評估其可行性及未來方向。未來將使用更多元的影像，使其順利學習分辨更多物種、不同環境背景、細分物種之蟲體階段、死亡蟲體或殘體，從而達到快速且正確辨識都市害蟲的目的。
中文關鍵字	人工智慧、都市害蟲、物種鑑定

中文摘要

隨著臺灣的都市化面積逐年增加，都市中的害蟲成為人類生活中必然會面對的問題，其中蟑螂 (Blattodea: Blattaria) 屬於公共衛生害蟲，身上可能攜帶超過40種不同的病原菌，具有導致各種人體疾病的風險，若無進行適當的防治，可能危害國人健康。為達到都市害蟲的最佳防治效果，減少用藥錯誤、施藥方法不當等問題，快速且正確的辨識物種成為關鍵的第一步。本研究針對美洲蟑螂 (Periplaneta americana)、德國蟑螂 (Blattella germanica) 及棕帶蟑螂 (Supella longipalpa) 三種都市常見的蟑螂物種，透過拍攝每個物種的雄成蟲、雌成蟲及若蟲活體，取得蟑螂不同角度的影像，訓練人工智慧 (AI) 系統進行物種、性別及發育階段的辨別。本研究為建立定點式拍攝裝置，使用尺寸高30 cm × 寬13 cm × 長21.5 cm 的透明壓克力盒，提供蟑螂在裝置內活動的空間，並測試 Olympus Tough TG-6 微距相機、網路攝影機 Spot Cam FHD 2、行車紀錄器 Sports HD DV H .264 1080P Full HD 三種攝影設備，將其架設於透明壓克力盒上方拍攝影像，以評估照片效果最佳之攝影設備。並且根據各攝影設備的功能，以開啟網路連線功能，連接至手機，接著以手機作為控制中心進行攝影及傳輸；或是將攝影設備切換至自動拍照模式，取得影像後，使用電腦將影像由 SD 卡輸出傳輸至雲端空間的方式獲得蟑螂的影像。蟑螂的照片經過後製調整為高（7923 × 4470 像素）、中（3264 × 1841 像素)、低（550 × 310 像素）三種解析度，以符合不同的影像辨識需求。取得大量照片後，以 label 的方式將照片內的蟲體進行框選及標籤化處理，辨識學習陷阱內的物種。透過以上作業流程，使得蟑螂照片可以順利取得並完成標示。拍攝蟑螂影像時，我們使用野外採集及飼養於實驗室之蟑螂，使活體在定點式拍攝裝置中活動，並使用黃、白、藍三種常見之黏蟲紙顏色作為背景，配合室內光照環境 (500-600 lux) 及室內黑暗環境進行拍攝。經過測試，我們發現微距相機所拍攝的照片效果最佳，另外兩種攝影設備則有照片影像扭曲的問題；而透過上述的作業流程，我們使用美洲蟑螂雄成蟲、雌成蟲、若蟲各50隻；德國蟑螂雄成蟲、雌成蟲、若蟲各50隻；棕帶蟑螂雄成蟲7隻、雌成蟲6隻，以及若蟲10隻，成功取得條件為黃色背景及照度500-600 lux 環境的照片，照片數為：美洲蟑螂雄成蟲、雌成蟲、若蟲各1,000張；德國蟑螂雄成蟲、雌成蟲、若蟲各1,000張；棕帶蟑螂雄成蟲、雌成蟲、若蟲各1,000張，共9,000張照片。並且以黃色背景及相機閃光燈、藍色背景及照度500-600 lux 環境、藍色背景及相機閃光燈、白色背景及照度500-600 lux 環境、白色背景及相機閃光燈等5種條件，每種條件各取得美洲蟑螂雄成蟲、雌成蟲、若蟲；德國蟑螂雄成蟲、雌成蟲、若蟲；棕帶蟑螂雄成蟲、若蟲的照片各100張，棕帶蟑螂雌成蟲的照片30張，總共5,150張照片。接下來透過 LabelImg 程式進行對上述蟑螂影像進行標籤化 (Label) 前處理，將每隻個體蟑螂分別框選出來以整理出全部的蟑螂資料集，經過初步測試，以上方法取得之影像藉由 YOLO (You Only Look Once) 可順利進行初步的偵測識別，並使用 YOLOv8 針對上述的資料集進行訓練後可準確偵測並辨識蟑螂及其物種，並進一步經多個不同實驗測試如新增物種測試（櫻桃紅蟑）其多少影像數量能達到一定準確度、辨識戶外蟑螂辨識殘體、測試6種不同環境（3色黏蟲紙、2種光源）下其訓練後偵測辨識準確度及進一步細分物種及其階段（含櫻桃紅蟑雄蟲）共十類，得到一定的辨識結果並評估其可行性及未來方向。未來將使用更多元的影像，使其順利學習分辨更多物種、不同環境背景、細分物種之蟲體階段、死亡蟲體或殘體，從而達到快速且正確辨識都市害蟲的目的。

中文關鍵字

人工智慧、都市害蟲、物種鑑定

類型	檔名	檔案大小	說明	最新版公開日期
期末報告	成果報告_20231220.pdf	8MB		2024/1/9 上午 12:00:00

摘要	As urbanization continues to expand year by year, the impact of urban pests on human life is increasing. To achieve precise control of urban pests and reduce the use of synthetic chemical pesticides, rapid and accurate species identification is the crucial first step. Cockroaches (Blattodea: Blattaria) are common public health pests in Taiwan, posing risks of various diseases. This study focuses on the common urban cockroach species in Taiwan, including the American cockroach (Periplaneta americana), German cockroach (Blattella germanica), and brown-banded cockroach (Supella longipalpa). It aims to obtain images of cockroaches from different angles, including adult males, adult females, and nymphs, and to identify their species, gender, and developmental stages using an artificial intelligence (AI) system. The study involved capturing wild and laboratory-reared cockroaches and placing them in transparent acrylic boxes measuring 21.5 × 13 × 30 cm. An Olympus Tough TG-6 camera was mounted above the boxes, and yellow, white, and blue sticky trap papers were used as backgrounds. Indoor lighting conditions were maintained at 500-600 lux, and additional flash was used for photography. The camera was connected to the OM image share app on a smartphone to control image capture and transfer the images to the cloud storage. Software was then used for image annotation and extraction of target images. The study has collected 9,000 images across 9 categories, each comprising 1,000 photographs. These include three types of cockroaches (Periplaneta americana, Blattella germanica, and Supella longipalpa), each in three distinct morphotypes (male, female, and nymph). After training with the YOLO (You Only Look Once) v8 model, the system can now accurately detect and identify cockroach species. Further tests included cross-validation, the addition of a new species (Blatta lateralis), identification of outdoor cockroach remnants, and assessments in various environments (sticky insect trap and under different light sources). These tests subdivided the species and their stages into ten distinct morphotype categories. The results show the recognition accuracy and offer an evaluation of its feasibility and potential future applications.
英文關鍵字	Artificial Intelligence, Urban Pests, Species Identification

摘要

As urbanization continues to expand year by year, the impact of urban pests on human life is increasing. To achieve precise control of urban pests and reduce the use of synthetic chemical pesticides, rapid and accurate species identification is the crucial first step. Cockroaches (Blattodea: Blattaria) are common public health pests in Taiwan, posing risks of various diseases. This study focuses on the common urban cockroach species in Taiwan, including the American cockroach (Periplaneta americana), German cockroach (Blattella germanica), and brown-banded cockroach (Supella longipalpa). It aims to obtain images of cockroaches from different angles, including adult males, adult females, and nymphs, and to identify their species, gender, and developmental stages using an artificial intelligence (AI) system. The study involved capturing wild and laboratory-reared cockroaches and placing them in transparent acrylic boxes measuring 21.5 × 13 × 30 cm. An Olympus Tough TG-6 camera was mounted above the boxes, and yellow, white, and blue sticky trap papers were used as backgrounds. Indoor lighting conditions were maintained at 500-600 lux, and additional flash was used for photography. The camera was connected to the OM image share app on a smartphone to control image capture and transfer the images to the cloud storage. Software was then used for image annotation and extraction of target images. The study has collected 9,000 images across 9 categories, each comprising 1,000 photographs. These include three types of cockroaches (Periplaneta americana, Blattella germanica, and Supella longipalpa), each in three distinct morphotypes (male, female, and nymph). After training with the YOLO (You Only Look Once) v8 model, the system can now accurately detect and identify cockroach species. Further tests included cross-validation, the addition of a new species (Blatta lateralis), identification of outdoor cockroach remnants, and assessments in various environments (sticky insect trap and under different light sources). These tests subdivided the species and their stages into ten distinct morphotype categories. The results show the recognition accuracy and offer an evaluation of its feasibility and potential future applications.

英文關鍵字

Artificial Intelligence, Urban Pests, Species Identification