
Radarul poate face diferența între speciile de insecte
Cercetătorii au dezvoltat un sistem radar pentru a urmări polenizatorii, oferind o alternativă rentabilă și non-invazivă la metodele tradiționale. Sistemul folosește machine learning pentru a analiza semnăturile micro-Doppler de la bătăile aripilor insectelor, obținând o precizie ridicată în identificarea speciilor.
Rezumat Detaliat
Oamenii de știință au creat un sistem radar capabil să facă distincția între diferite specii de insecte, în special polenizatori, folosind radar cu unde milimetrice și machine learning. Această abordare inovatoare abordează provocările metodelor tradiționale de monitorizare a insectelor, care implică adesea capturarea și vătămarea insectelor pentru identificare. Radarul analizează semnăturile micro-Doppler, care sunt modele distinctive în reflexiile radar cauzate de bătăile aripilor insectelor, permițând sistemului să identifice diferențe subtile între specii.
Sistemul utilizează unde milimetrice, care sunt potrivite pentru detectarea insectelor datorită dimensiunilor lor. Cercetătorii au antrenat un model de machine learning pe semnături radar de la cinci specii de polenizatori, inclusiv albine și viespi. Modelul analizează peste 70 de caracteristici ale reflexiilor radar, cum ar fi frecvențele bătăilor aripilor și puterea reflexiilor. Sistemul a obținut o precizie de 85% în clasificarea la nivel de specie și o precizie de 96% în distincția între familiile de albine și viespi. Precizia s-a îmbunătățit cu timpi de observare mai lungi, sugerând potențialul pentru structuri asemănătoare capcanelor pentru a îmbunătăți colectarea datelor.
Implicațiile acestei tehnologii sunt semnificative, oferind o modalitate non-invazivă de a monitoriza polenizatorii, dăunătorii și speciile invazive. Cercetătorii lucrează la o versiune portabilă, care poate fi implementată pe teren a tehnologiei și intenționează să creeze o bază de date globală a semnăturilor radar ale insectelor. Această bază de date ar putea încorpora date de mediu pentru a înțelege modul în care factori precum temperatura și umiditatea afectează frecvențele bătăilor aripilor insectelor. Acest progres ar putea revoluționa monitorizarea insectelor, oferind date valoroase pentru eforturile de conservare și gestionarea dăunătorilor.
⚠️ Notă: Acesta este un rezumat generat automat. Drepturile asupra conținutului aparțin sursei originale. Citește articolul complet aici
Sursa originală
Citește articolul complet aici
Articole similare
Certinia la Dreamforce: Previziuni despre AI în Serviciile Profesionale
Evenimentul Certinia de la Dreamforce va explora evoluția AI în serviciile profesionale, trecând de la productivitatea individuală la transformarea modului în care firmele își coordonează munca și livrează valoare. Accentul va fi pus pe valorificarea inteligenței partajate pentru a îmbunătăți luarea deciziilor și rezultatele în cadrul angajamentelor, conectând datele operaționale cu contextul proiectului și cunoștințele instituționale.
Profound strânge 180 de milioane de dolari pentru a spori vizibilitatea brandurilor în servicii AI
Startup-ul de tehnologie de marketing Profound a anunțat o rundă de finanțare Seria D de 180 de milioane de dolari, atingând o evaluare de 1,8 miliarde de dolari. Investiția, co-condusă de Sequoia Capital și Kleiner Perkins, vizează să ajute companiile să-și îmbunătățească vizibilitatea în peisajul în rapidă creștere al serviciilor AI.
Startup-ul de certificare a agenților AI, AIUC, strânge 40 de milioane de dolari pentru a audita modelele de frontieră
Artificial Intelligence Underwriting Company (AIUC), o companie specializată în certificarea agenților AI, a obținut o finanțare de 40 de milioane de dolari. Acești bani vor permite extinderea serviciilor de auditare pentru a acoperi modelele AI de frontieră, nu doar agenții construiți pe acestea. AIUC consideră că incertitudinile actuale legate de riscurile AI încetinesc adopția tehnologiei.
Noul model vocal Gemini 3.8 Live de la Google suportă raționament în timp real
Google a lansat Gemini 3.8 Live și Gemini 3.8 Live Extended Thinking, cele mai avansate modele de procesare vocală de până acum, concepute pentru a rezolva problemele de latență în agenții AI bazați pe voce. Aceste modele permit raționament în timp aproape real și procesare simultană a vorbirii și gândirii, vizând îmbunătățirea responsivității interacțiunilor AI.