PLOS One: ứng dụng điện thoại dùng mô hình YOLOv8 nhận dạng muỗi Aedes, Culex, Anopheles, phân biệt đực – cái và bọ gậy, độ chính xác 98,8% trên tập thử

Nghiên cứu đăng trên PLOS One ngày 9/10/2026 của Đại học Kế lượng Trung Quốc (China Jiliang University) và Trung tâm Kiểm soát bệnh tật Hàng Châu xây dựng hệ thống nhận dạng muỗi bằng học sâu, kết hợp hình thái muỗi trưởng thành và bọ gậy, chạy trực tiếp trên điện thoại Android.

Nội dung chính

• Bộ dữ liệu gồm 2.683 ảnh thuộc ba chi muỗi truyền bệnh chính (Aedes, Culex, Anopheles), gồm muỗi đực, muỗi cái trưởng thành và bọ gậy Aedes, Culex; mẫu lấy từ thực địa, từ dòng muỗi nuôi trong phòng thí nghiệm và từ bộ ảnh công khai Kaggle, chia theo tỷ lệ 8:1:1 để huấn luyện, kiểm định và thử.
• So sánh năm thuật toán YOLOv8, YOLOv5, SSD, Faster R-CNN (ResNet50) và Faster R-CNN (MobileNetv2): YOLOv8 tốt nhất với độ chính xác (precision) 0,988, độ nhạy (recall) 0,990, mAP50 0,992, F1 0,99, chỉ 2,7 triệu tham số. Theo ma trận nhầm lẫn: Aedes 0,99; Culex 0,98; Anopheles 1,00; muỗi đực 0,97; muỗi cái 0,97; bọ gậy Aedes và Culex 1,00.
• Mô hình được chuyển sang khung NCNN để chạy trên Android; ứng dụng hỗ trợ nhận dạng ảnh chọn từ thư viện và nhận dạng video thời gian thực, hiển thị khung nhận dạng, tên nhóm và xác suất.
• Hạn chế do tác giả nêu: trong cảnh phức tạp vẫn có nhận dạng nhầm (55% vùng nền bị nhận nhầm thành bọ gậy Culex, 30% thành muỗi cái), có thể làm ước tính số lượng muỗi cao hơn thực tế; hiệu quả ngoài thực địa còn phụ thuộc ánh sáng, nền ảnh, độ phân giải camera và rung nhòe.

Góc nhìn VPMA

Công cụ định loại muỗi nhanh trên điện thoại có thể hỗ trợ nhân viên hiện trường khi điều tra côn trùng, nhất là phân biệt bọ gậy Aedes với Culex. Tuy nhiên đây mới là kết quả nghiên cứu, chưa kiểm chứng rộng ngoài thực địa; kết quả nhận dạng vẫn cần người có chuyên môn xác nhận.

Nguồn: PLOS One – CNN-based dual-morphology mosquito recognition and mobile deployment (tóm tắt, biên dịch bởi VPMA).

← Quay lại Tin tứcGiải pháp mới trong kiểm soát côn trùng →