Vì sao cần AI định loại muỗi?
Có hơn 3.500 loài muỗi đã được mô tả, nhưng chỉ một số ít truyền bệnh; định loại chính xác là then chốt để chọn biện pháp phòng chống [2]. Việc phân loại bằng mắt theo khoá hình thái tốn công, trong khi số chuyên gia phân loại giảm mạnh [1]; mẫu muỗi từ bẫy lại hay bị gãy chân, rụng vảy [2].
Ba nghiên cứu, ba bài học
| Nghiên cứu | Dữ liệu | Kết quả chính |
|---|---|---|
| Park và cs., Sci Rep 2020 (Hàn Quốc) | ~3.600 ảnh, 8 loài, nhiều tư thế, mẫu thiếu bộ phận | 97,19% với VGG-16 khi tăng cường dữ liệu + tinh chỉnh toàn bộ [1] |
| Goodwin và cs., Sci Rep 2021 (Hoa Kỳ) | 2.696 mẫu, 67 loài, mẫu bắt ngoài tự nhiên | 97,04% trên 16 loài đã biết; 89,07% khi kèm phát hiện loài lạ; F1 86,07% với 39 loài [2] |
| Nolte và cs., Parasit Vectors 2024 (Đức) | 796 mẫu, 4 loài Aedes giống nhau, 3 cách chụp | Ảnh cánh 87,6% so với ảnh thân 78,9%; đổi thiết bị → giảm trung bình 14% [3] |
- Không tăng cường dữ liệu và không tinh chỉnh, VGG-16 chỉ đạt 38,96% trên tập kiểm tra dù gần 100% trên tập kiểm định — dấu hiệu học vẹt (overfitting) [1].
- Mô hình được “mượn” kiến thức từ bộ ảnh tổng quát ImageNet (học chuyển giao) vì 3.600 ảnh là quá ít để huấn luyện từ đầu [1].
💡 Bạn có biết? Khi “soi” vùng ảnh mà mạng nơ-ron dựa vào để quyết định, nhóm Park thấy mô hình chú ý tới các đặc điểm hình thái giống chuyên gia dùng [1] — AI không “đoán mò” mà học được dấu hiệu có ý nghĩa sinh học.
Giới hạn: loài lạ, máy chụp lạ
- Bài toán tập mở: ngoài thực địa luôn có loài chưa có trong dữ liệu huấn luyện. Goodwin và cs. thêm tầng phát hiện loài mới; độ chính xác chung giảm từ ~97% xuống ~89% [2].
- Đổi thiết bị: mô hình chỉ ổn định trên nhiều thiết bị khi được huấn luyện với chính các thiết bị đó; dù tăng cường ảnh mạnh, độ chính xác vẫn giảm trung bình 14% [3].
- Ảnh cánh gần như phẳng, dễ chụp chuẩn hoá và cần ít dữ liệu huấn luyện hơn ảnh thân [3].
- Một số tác giả nghiên cứu năm 2021 là chủ công ty Vectech phát triển công cụ này — đã được công bố trong phần xung đột lợi ích [2].
Ứng dụng cho giám sát muỗi
- AI ảnh có thể giúp sàng lọc nhanh mẫu từ bẫy, giảm tải cho cán bộ côn trùng, nhất là nơi thiếu chuyên gia [1][2].
- Để áp dụng ở Việt Nam cần bộ ảnh của muỗi địa phương, chụp bằng chính thiết bị sẽ dùng, và luôn có chuyên gia kiểm tra lại mẫu khó, mẫu nghi loài lạ [2][3].
- AI ảnh bổ sung, không thay thế định loại hình thái và sinh học phân tử.
Xem thêm: Điện thoại “nghe” ra loài muỗi · Phân biệt hai loài muỗi vằn.
Mô hình của nhóm Park đạt độ chính xác cao nhất bao nhiêu?
97,19% với VGG-16 [1].
Ảnh cánh hay ảnh thân cho kết quả tốt hơn?
Ảnh cánh: 87,6% so với 78,9% [3].
Đổi máy chụp khác máy huấn luyện thì sao?
Độ chính xác giảm trung bình 14% [3].
Nguồn tham khảo
- Park J, Kim DI, Choi B, Kang W, Kwon HW (2020) — Classification and Morphological Analysis of Vector Mosquitoes using Deep Convolutional Neural Networks, Scientific Reports 10: 1012 (PMC) — truy cập 13/10/2026.
- Goodwin A, Padmanabhan S, Hira S và cs. (2021) — Mosquito species identification using convolutional neural networks with a multitiered ensemble model for novel species detection, Scientific Reports 11: 13656 (PMC) — truy cập 13/10/2026.
- Nolte K, Sauer FG, Baumbach J và cs. (2024) — Robust mosquito species identification from diverse body and wing images using deep learning, Parasites & Vectors 17: 372 (PubMed) — truy cập 13/10/2026.
Các thông tin trong bài được trích từ các nguồn trên; nếu nguồn cập nhật, nội dung có thể thay đổi.