ปัจจุบัน “ยุง” เป็นพาหะของโรคหลายชนิดที่อาจส่งผลร้ายแรงถึงชีวิต เช่น มาลาเรีย ไข้เลือดออก และไวรัสซิกา โดยเมื่อก่อนการสำรวจจำนวนประชากรของยุงนั้น จะต้องรวบรวมตัวอย่างจากการจำแนกชนิดพันธุ์ของยุงด้วยตนเอง ซึ่งต้องใช้แรงงานคนเป็นจำนวนมาก ดังนั้น Dr. Myat Su Yin นักวิจัยคณะเทคโนโลยีสารสนเทศและการสื่อสาร (ICT) มหาวิทยาลัยมหิดล จึงได้ร่วมกับ Professor Dr. Peter Fereed Haddawy รองคณบดีฝ่ายพัฒนางานวิจัย คณะ ICT ดร. อัคร สุประทักษ์ อาจารย์ประจำกลุ่มวิชาวิทยาการคอมพิวเตอร์ คณะ ICT นายบวรทัต นิรันดร์มงคล นายทรรปณ์ คงถาวร นางสาวชนาภรณ์ ชัยสัมฤทธิ์โชค นักศึกษาชั้นปีที่ 4 คณะ ICT นายชัยธวัช สง่าเมือง นักศึกษาปริญญาโท คณะ ICT และ ผศ. ดร. พัชรา ศรีวิชัย อาจารย์ประจำคณะเวชศาสตร์เขตร้อน มหาวิทยาลัยมหิดล พัฒนางานวิจัย “A Lightweight Deep Learning Approach to Mosquito Classification from Wingbeat Sounds” ขึ้นมาเพื่อแก้ไขปัญหาการจำแนกสายพันธุ์และเพศของยุงโดยเฉพาะ
งานวิจัย “A Lightweight Deep Learning Approach to Mosquito Classification from Wingbeat Sounds” เป็นผลงานที่นำเทคโนโลยีปัญญาประดิษฐ์ (AI) และเทคนิคการเรียนรู้เชิงลึกมาใช้ในการวิเคราะห์เสียงจังหวะปีกของยุง เพื่อแบ่งสายพันธุ์และเพศของยุง รวมทั้งยังมีการนำโมเดล Deep Learning ที่มีน้ำหนักเบาจำนวน 2 โมเดล มาปรับใช้กับอุปกรณ์เซ็นเซอร์ IoT ขนาดเล็ก โดยโมเดลแรกคือ โมเดล 1D CNN และ อีกโมเดลหนึ่งคือ การนำโมเดล 1D CNN มารวมเข้ากับโมเดล LSTM ซึ่งโมเดลทั้งสองนี้จะทำงานโดยตรงกับสัญญาณเสียงย่านความถี่ต่ำ จึงมีความแม่นยำในการจำแนกประเภทได้มากกว่า 93% (อิงจากชุดข้อมูลการจัดประเภทเพศของยุงจากยุง จำนวน 5 สายพันธุ์) ซึ่งประโยชน์ของการใช้โมเดลนี้นั้น สามารถนำไปปรับใช้กับสัญญาณเสียงที่มีลักษณะคล้ายกับเสียงกระพือปีกของยุงได้ เช่น การจำแนกสายพันธุ์และเพศของนกหรือแมลง เป็นต้น โดยผู้ที่สนใจสามารถอ่านผลงานวิจัยฉบับเต็มได้ที่ ACM Digital Library หรือ https://dl.acm.org/doi/10.1145/3462203.3475908
รู้หรือไม่: งานวิจัย A Lightweight Deep Learning Approach to Mosquito Classification from Wingbeat Sounds ได้รับรางวัล Best Paper Award จากการประชุมวิชาการ International Conference on Information Technology for Social Good (GoodIT 2021) ที่จัดขึ้นเมื่อวันที่ 9 -11 กันยายน 2021 ที่กรุงโรม ประเทศอิตาลี
