2026년 10월 9일 PLOS One에 실린 연구(중국계량대학교, 항저우 질병예방통제센터)는 성충과 유충 형태를 함께 인식하고 안드로이드 휴대전화에서 직접 실행되는 딥러닝 모기 인식 시스템을 개발했습니다.
요점
- 데이터셋은 주요 질병 매개 3개 속(Aedes, Culex, Anopheles)의 이미지 2,683장으로, 성충 수컷·암컷과 Aedes·Culex 유충을 포함합니다. 표본은 현장 채집, 실험실 사육 계통, 공개 Kaggle 모기 데이터셋에서 얻었으며 학습·검증·시험에 8:1:1로 나눴습니다.
- YOLOv8, YOLOv5, SSD, Faster R-CNN(ResNet50), Faster R-CNN(MobileNetv2) 다섯 알고리즘을 비교한 결과 YOLOv8이 가장 좋았습니다: 정밀도 0.988, 재현율 0.990, mAP50 0.992, F1 0.99, 매개변수는 270만 개에 불과합니다. 혼동 행렬 기준으로 Aedes 0.99, Culex 0.98, Anopheles 1.00, 수컷 0.97, 암컷 0.97, Aedes·Culex 유충 1.00이었습니다.
- 모델은 안드로이드에서 실행되도록 NCNN 프레임워크로 변환됐으며, 앱은 갤러리 이미지 인식과 실시간 영상 인식을 지원하고 인식 상자, 분류명, 확률을 표시합니다.
- 저자들이 밝힌 한계: 복잡한 장면에서는 오인식이 남아 있어(배경 영역의 55%가 Culex 유충으로, 30%가 암컷 모기로 잘못 분류) 모기 수를 과대 추정할 수 있으며, 현장 성능은 조명, 배경, 카메라 해상도, 흔들림에도 좌우됩니다.
VPMA의 메모
휴대전화로 모기를 빠르게 식별하면 현장 인력의 곤충 조사, 특히 Aedes 유충과 Culex 유충 구별에 도움이 될 수 있습니다. 다만 아직 연구 결과로 현장에서 널리 검증되지 않았으며, 식별 결과는 여전히 전문 인력의 확인이 필요합니다.
- 출처
- PLOS One – CNN 기반 이중 형태 모기 인식과 모바일 적용
- 게시
- 2026년 10월 9일
- 분야
- 해충 관리의 새로운 접근
- 학술지
- PLOS One (2026), 오픈 액세스
- DOI
- 10.1371/journal.pone.0359976
편집 메모: 이것은 VPMA의 짧은 요약과 의견이며 전문 복사가 아닙니다. 원문과 저작권은 인용한 출처에 있습니다. 사진: PLOS One 논문 그림 10(휴대전화 앱의 인식 결과, CC BY 라이선스).
출처: PLOS One – CNN 기반 이중 형태 모기 인식과 모바일 적용 (VPMA가 영어로 요약한 글입니다). 베트남어 페이지 읽기.