Using image segmentation models to analyse high-resolution earth observation data: new tools to monitor disease risks in changing environments ... : استخدام نماذج تجزئة الصور لتحليل بيانات مراقبة الأرض عالية الدقة: أدوات جديدة لرصد مخاطر الأمراض في البيئات المتغيرة ...

Background In the near future, the incidence of mosquito-borne diseases may expand to new sites due to changes in temperature and rainfall patterns caused by climate change. Therefore, there is a need to use recent technological advances to improve vector surveillance methodologies. Unoccupied Aerial Vehicles (UAVs), often called drones, have been used to collect high-resolution imagery to map detailed information on mosquito habitats and direct control measures to specific areas. Supervised classification approaches have been largely used to automatically detect vector habitats. However, manual data labelling for model training limits their use for rapid responses. Open-source foundation models such as the Meta AI Segment Anything Model (SAM) can facilitate the manual digitalization of high-resolution images. This pre-trained model can assist in extracting features of interest in a diverse range of images. Here, we evaluated the performance of SAM through the Samgeo package, a Python-based wrapper ... : في المستقبل القريب، قد تتوسع الإصابة بالأمراض التي ينقلها البعوض إلى مواقع جديدة بسبب التغيرات في درجات الحرارة وأنماط هطول الأمطار الناجمة عن تغير المناخ. لذلك، هناك حاجة إلى استخدام التطورات التكنولوجية الحديثة لتحسين منهجيات مراقبة ناقلات الأمراض. تم استخدام المركبات الجوية غير المأهولة (UAVs)، والتي تسمى غالبًا الطائرات بدون طيار، لجمع صور عالية الدقة لرسم خريطة لمعلومات مفصلة عن موائل البعوض وتدابير التحكم المباشرة في مناطق محددة. تم استخدام مناهج التصنيف الخاضعة للإشراف إلى حد كبير للكشف التلقائي عن موائل ناقلات الأمراض. ومع ذلك، فإن وضع العلامات اليدوية على البيانات للتدريب النموذجي يحد من استخدامها للاستجابات السريعة. يمكن لنماذج الأساس مفتوحة المصدر مثل نموذج Meta AI Segment Anything Model (SAM) تسهيل الرقمنة اليدوية للصور عالية الدقة. يمكن أن يساعد هذا النموذج المدرب مسبقًا في استخراج الميزات المهمة في مجموعة متنوعة من الصور. هنا، قمنا بتقييم أداء SAM من خلال حزمة Samgeo، وهي غلاف يستند إلى Python للبيانات الجغرافية المكانية، حيث لم يتم تطبيقه لتحليل صور الاستشعار عن بعد للدراسات الوبائية. النتائج ...