?

在致人死亡的動物中，蚊子排名第一。

根據世界衛生組織（WHO）統計數據顯示，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（通過傳播狂犬病）、鱷魚等，盡管也造成了相當數量的死亡，但與蚊子相比，數字要小得多。

每年死于各類動物的人數對比

雖然世衛組織早在 1955 年就曾做出過徹底消滅瘧疾的宣言，但在很多地區，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，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 VectorCam 官方介紹，該系統采用了一種用于識別蚊子種類、性別和腹部狀態的新型卷積神經網絡 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。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 在參數數量、模型大小、mAP 和運行時間等方面都有更好表現，

赤腳醫生也能快速上手

不僅是更有針對性的大模型， VectorCam 為了適應瘧疾傳播區，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，以便后續的分子驗證。

VectorCam 系統的整個工作流程

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知識，即使是鄉村衛生團隊也能通過簡單的培訓操作 VectorCam。

除了操作簡便以外，VectorCam 還有一個優點在于能夠以更直觀的方式展示蚊子的地區分布，使決策者能夠更好地了解情況并根據蚊子種類、性別、腹部情況等判斷當地，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、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，它可能會實現更自動化和持續的監測。

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之一并非科學上的，而是資金和政治上的。