基于图像处理和生物分散的亚洲巨蜂控制 (Asian Giant Hornet Control based on Image Processing and Biological Dispersal)

The Asian giant hornet (AGH) appeared in Washington State appears to have a potential danger of bioinvasion. Washington State has collected public photos and videos of detected insects for verification and further investigation. In this paper, we analyze AGH using data analysis,statistics, discrete mathematics, and deep learning techniques to process the data to controlAGH spreading.First, we visualize the geographical distribution of insects in Washington State. Then we investigate insect populations to varying months of the year and different days of a month.Third, we employ wavelet analysis to examine the periodic spread of AGH. Fourth, we apply ordinary differential equations to examine AGH numbers at the different natural growthrate and reaction speed and output the potential propagation coefficient. Next, we leverage cellular automaton combined with the potential propagation coefficient to simulate the geographical spread under changing potential propagation. To update the model, we use delayed differential equations to simulate human intervention. We use the time difference between detection time and submission time to determine the unit of time to delay time. After that, we construct a lightweight CNN called SqueezeNet and assess its classification performance. We then relate several non-reference image quality metrics, including NIQE, image gradient, entropy, contrast, and TOPSIS to judge the cause of misclassification. Furthermore, we build a Random Forest classifier to identify positive and negative samples based on image qualities only. We also display the feature importance and conduct an error analysis. Besides, we present sensitivity analysis to verify the robustness of our models. Finally, we show the strengths and weaknesses of our model and derives the conclusions.

翻译：华盛顿州出现的亚洲大黄蜂(AGH)似乎具有生物入侵的潜在危险。华盛顿州收集了公众照片和被检测昆虫的视频,以供核查和进一步调查。在本文中, 我们利用数据分析、统计学、离散数学和深层学习技术分析AGH, 以控制数据扩散。首先, 我们用华盛顿州昆虫的地理分布观来模拟人类干预。然后我们用检测时间和提交时间之间的时间差来决定时间的单位。第三, 我们用波浪分析来检查AGH的周期性传播。第四, 我们用普通差异方程式来审查不同自然生长速度和反应速度的AGH数值, 并输出潜在的传播系数。其次, 我们利用细胞自动图和潜在传播系数结合潜在的传播系数来模拟在潜在传播中传播的地理分布。为了更新模型, 我们用延迟的对昆虫的分布方程式和提交时间来决定时间的单位。在此之后, 我们用一个轻度的CNNSquezeNet来评估其分类性表现。然后, 我们用一些非参考性的质量数字的自动图象分析, 我们用正比分析, 我们的模型和正比的模型, 我们用正比分析, 我们的模型, 我们的模型, 我们用一个正比的图像的比, 我们的比, 我们用一个正比的比, 我们的比, 我们的比, 我们的模型, 我们的模型, 我们的比, 我们的模型, 我们的比, 我们用一个正比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的比, 我们的。