PhD-positie – Efficiënte Deep Learning-strategieën voor beeldgebaseerde insectherkenning

Volgens schattingen van de FAO zorgen plagen ervoor dat jaarlijks tot 40% van de oogstopbrengst in de wereld verloren gaat. In de wereldeconomie gaat jaarlijks meer dan $ 70 miljard verloren aan invasieve insecten. Op wereldschaal spelen invasieve soorten een belangrijke rol bij de achteruitgang van ecosysteemdiensten, het verlies aan biodiversiteit en ecologische achteruitgang. Een sensorsysteem dat snelle identificatie van vliegende insecten mogelijk maakt, ontbreekt momenteel en identificatie van insecten is voornamelijk gebaseerd op het tellen van insecten op gespecialiseerde vallen. Deze procedure is subjectief en tijdrovend. Hierdoor wordt het slechts wekelijks en op een beperkt aantal locaties uitgevoerd. Daarom zou een snel systeem voor insectendetectie zeer waardevol zijn. In de MeBioS-divisie is fundamenteel onderzoek gedaan om sensoren voor insectenherkenning te ontwikkelen. We zijn voornamelijk gespecialiseerd in analyse van beeld- en wingbeatsignatuur, met de nadruk op insectenplagen in de groente- en fruitsector. Hiervoor werken we samen met verschillende partners in Vlaanderen en in het buitenland om alle nodige expertise samen te brengen. We hebben al aangetoond dat vergelijkbare soorten onder laboratoriumomstandigheden kunnen worden geïdentificeerd. Nu willen we onderzoek doen naar (1) meer geavanceerde opstellingen die mogelijk de classificatieresultaten zouden kunnen verbeteren; (2) robuuste systemen, zowel vanuit hardware- als softwareperspectief, die nauwkeurige metingen in het veld mogelijk maken; (3) data-analyse die informatie uit meerdere bronnen combineert; en (4) de basis voor een op afstand toegankelijk sensornetwerk.