在致人死亡的動物中，蚊子排名第一。

根據(jù)世界衛(wèi)生組織（WHO）統(tǒng)計數(shù)據(jù)顯示，全球每年約有72.5萬人死于蚊蟲叮咬產生的疾病，僅瘧疾一項在2022年就造成60.8萬例死亡。相比之下，其他致命的動物，如蛇、狗（通過傳播狂犬?。Ⅶ{魚等，盡管也造成了相當數(shù)量的死亡，但與蚊子相比，數(shù)字要小得多。

每年死于各類動物的人數(shù)對比

雖然世衛(wèi)組織早在1955年就曾做出過徹底消滅瘧疾的宣言，但在很多地區(qū)，消滅瘧疾卻成為了一場「打地鼠」的游戲。每當瘧疾被認為得到控制時，沒過多久又會以另一種形式出現(xiàn)，時至今日仍然沒有得到有效的控制。

想要斷絕由蚊子作為媒介傳播的疾病，首先在于檢測分辨不同種類的蚊子，這不僅由于不同種類的蚊子會攜帶不同的疾病，也在于不同蚊子會有不同的生存特性。

這意味著如果能夠分辨蚊子的種類，就可以利用其不同的特性滅蚊，例如針對室外生活和覓食的蚊子采取如消除滋生地，針對室內生存的蚊子采用蚊帳等，這在很多地區(qū)被證明是行之有效的滅蚊措施。

前世界首富比爾·蓋茨近期分享了一項為此而生的新技術——VectorCam。它能夠通過應用程序僅需拍攝一張蚊子照片，即可識別蚊子種類、性別、是否吸食血液及產下蟲卵：

在與蚊子的斗爭中，我們終于看清了我們的對手。

比爾·蓋茨在視頻中介紹該技術

用AI計算機視覺「看清」蚊子

據(jù)VectorCam官方介紹，該系統(tǒng)采用了一種用于識別蚊子種類、性別和腹部狀態(tài)的新型卷積神經網(wǎng)絡VectorBrain。

作為一種專門為識別蚊子訓練的AI模型，VectorBrain能夠準確識別6種主要蚊媒，包括主要瘧疾媒介，在資源受限的環(huán)境中準確率超過90%。

VectorBrain是一個多任務EfficientNet架構，專為蚊子分類設計，同時輸出種類、性別和腹部狀態(tài)。該架構包括一個特征提取器和一個分支結構，每個分支對應一個分類任務。

在識別蚊子方面，VectorBrain使用了輕量級的YOLO模型，能夠實時定位蚊子，并使用檢測到的坐標裁剪出只包含蚊子本身的圖像，來進行更好的識別。

圖片舉例說明了分類蚊子圖像的各個階段。首先，展示需要分類的完整蚊子圖像（a）。然后，使用YOLO算法根據(jù)坐標裁剪蚊子圖像，并進行一系列圖像變換以準備分類（b）。最后，顯示分類算法的輸出結果，確定圖像中的蚊子種類（c）。

具體而言，YOLO模型在訓練和驗證過程中的精度、召回率和平均精度（mAP）分別為96.00%、90.50%和95.87%。種類分類模型的準確率為92.40±2%，性別分類模型的準確率為97.00±1%，腹部狀態(tài)分類模型的準確率為83.20±3.1%。

（a）為YOLO模型在訓練和驗證中的性能指標，（b）為模型檢測蚊子案例

通過種類、性別、腹部狀態(tài)分類的混淆矩陣和準確率

在 VectorCam 提供的論文中，還將其正在使用的 YOLOv5 與廣泛應用于各種目標檢測任務的 Faster R-CNN 模型進行對比，YOLOv5 Small 在參數(shù)數(shù)量、模型大小、mAP 和運行時間等方面都有更好表現(xiàn)，

赤腳醫(yī)生也能快速上手

不僅是更有針對性的大模型，VectorCam為了適應瘧疾傳播區(qū)，在具體操作方面也進行了簡化，使其能夠更好地適應瘧疾傳播區(qū)的實際情況。

具體而言，VectorCam包括一套專門的成像設備和一款手機應用程序。其中的硬件組件包括內置15倍微距鏡頭的燈箱、手機殼設計和擴展塢。硬件還包括Eppendorf管支架和蚊子托盤以及穿孔標本ID表，更好地儲存這些蚊子。

VectorCam的軟件是一個基于Android的應用程序，據(jù)稱能夠識別超過39種蚊子類型，包括常見的蚊子以及一些更易攜帶疾病的特定蚊子類型，經過算法優(yōu)化后還能夠在較低端的Android手機上運行。

VectorCam的手機操作界面

系統(tǒng)的工作流程包括將收集到的蚊子放入硬件、使用智能手機應用程序捕獲蚊子的放大圖像、并將蚊子存儲在帶有唯一標簽的Eppendorf管中，以便后續(xù)的分子驗證。

VectorCam系統(tǒng)的整個工作流程

成像和加載任務僅需兩個用戶完成：一個負責成像，另一個負責加載和存儲蚊子，不需要太多昆蟲學專業(yè)知識，即使是鄉(xiāng)村衛(wèi)生團隊也能通過簡單的培訓操作VectorCam。

除了操作簡便以外，VectorCam還有一個優(yōu)點在于能夠以更直觀的方式展示蚊子的地區(qū)分布，使決策者能夠更好地了解情況并根據(jù)蚊子種類、性別、腹部情況等判斷當?shù)?，采取相應措施應對，推動徹底消滅瘧疾頑疾的進程。

圖片展示了該網(wǎng)絡如何在不同層次「感知」蚊子的特征，并通過直觀的方式顯示出其種類、腹部狀態(tài)、性別分布情況

用AI計算機聽覺「識別」蚊子

在用手機檢測蚊子方面，比爾·蓋茨還介紹了另一項成果——HumBug。

這個新系統(tǒng)是一套機器學習算法，能夠利用智能手機捕捉到的蚊子飛行音調的聲學特征（聲音），通過蚊子翅膀拍打的聲音來識別蚊子種類。（事實證明，不同種類的蚊子由于個體大小、年齡和環(huán)境溫度等差異，拍打翅膀的速度不同，因而在聲音上也會有差異。）

HumBug項目具體工作流程

而且更重要的是，Humbug并不需要像VectorCam一樣使用特殊裝置采集蚊子，從而進一步簡化了蚊子檢測流程。

不過Humbug仍處于早期階段，但如果成功，它可能會實現(xiàn)更自動化和持續(xù)的監(jiān)測。

在介紹這些技術時，比爾·蓋茨也表達了一定的擔憂，并非擔心在技術上的困難，而是擔心其他政治、經濟的因素：

我們面臨的最大挑戰(zhàn)之一并非科學上的，而是資金和政治上的。