KI und die schwierigen Probleme der Welt · Lebenswissenschaften · Nature (computational biology) · 2026-10-20
Transformation der Mückenüberwachung: LarvaFormer als hybrides Deep-Learning-Tool zur schnellen und präzisen Larvenerkennung
Originaltitel: Transforming mosquito surveillance LarvaFormer as a hybrid deep learning tool for rapid and accurate larval recognition
Von Mücken übertragene Krankheiten verursachen jährlich über 700.000 Todesfälle, doch herkömmliche Bekämpfungsmethoden, die auf ausgewachsene Mücken abzielen, sind oft ineffektiv und umweltschädlich. LarvaFormer ist ein hybrides Deep-Learning-Framework, das Convolutional Neural Networks und Vision Transformers mit spezialisierten Aufmerksamkeitsmechanismen kombiniert, um Mückenlarven automatisch zu klassifizieren. Das Modell erzielte auf den Datensätzen MosquitoLarvae-7400 und MLMI-2024 mit Genauigkeiten von 98,97 % bzw. 99,50 % State-of-the-Art-Ergebnisse und ermöglicht so eine schnelle, präzise Identifizierung der Larven, die eine gezielte und umweltfreundliche Mückenbekämpfung unterstützt.