A levéltetvek mozgásának pontos követése fontos információkat adhat a növény–kártevő kapcsolatok vizsgálatában. Megmutathatja többek között, hogy az egyes rovarok milyen távolságot tesznek meg, milyen sebességgel mozognak, mennyi időt töltenek nyugalomban, mely területeket részesítik előnyben, illetve hogyan közelítik meg vagy kerülik el a növényi részeket. A tanulmány szerzői egy olyan alacsony költségű rendszert mutattak be, amely okostelefonos felvételekből automatikusan képes a levéltetvek pályáját rekonstruálni ellenőrzött laboratóriumi körülmények között.
A kutatást az izraeli Ben-Gurion University of the Negev szakemberei végezték. A rendszer egyik legfontosabb sajátossága, hogy nem mélytanulási (deep learning) algoritmusokra épül, ezért működéséhez nincs szükség előzetesen felcímkézett tanítóadatokra, speciális kamerákra vagy GPU-val felszerelt számítógépekre. A megoldás ismert képfeldolgozási és objektumkövetési módszereket kapcsol össze egyetlen, könnyen használható folyamatba.
Hagyományos hardver, automatizált feldolgozás
A kísérletekben hagyományos okostelefonokat helyeztek 10–15 centiméterrel a Petri-csészék fölé. A csészékben különböző számú levéltetű mozgott, egyes esetekben növényi levéldarabok mellett. A telefonok másodpercenként egy, 12 megapixeles képet készítettek. A képsorozatokat ezután egy webes rendszer dolgozta fel, amely felismerte az egyedeket, összekapcsolta azokat az egymást követő képeken, és kirajzolta a mozgási útvonalukat.
A felismeréshez a kutatók nem tanított neurális hálózatot, hanem több küszöbértéken végzett binarizálást (színküszöbölést) és geometriai szűrést alkalmaztak. A rendszer a világos, egységes háttérből kiemelkedő, megfelelő méretű és alakú foltokat tekintette lehetséges levéltetveknek. Az egyedek követését Kalman-szűrővel végzett mozgásbecslés és globális legközelebbi szomszéd eljárás segítette. Ez lehetővé tette, hogy a szoftver rövid felismerési hibák (pl. időleges takarás) esetén is megpróbálja fenntartani az egyes rovarok egyedi azonosítását.
