高解像度画像からイチュノモノイド類ハチの自動識別を実現するYOLOベースの深層学習フレームワークと、解釈性向上のためのHiResCAM統合

要約: Ichneumonoidea上科に属する寄生蜂の正確な分類学的同定は、生物多様性の評価、生態系モニタリング、そして生物学的制御プログラムにとって不可欠です。しかし、形態的な類似性、小型の体サイズ、種間の微細な差異により、手動での同定は労力を要し、専門知識に依存します。 本研究は、解釈性を高めるため、HiResCAM（High-Resolution Class Activation Mapping）と統合したYOLOベースのアーキテクチャを用いたIchneumonoideaの寄生蜂の自動識別のための深層学習ベースのフレームワークを提案します。 提案されたシステムは、高解像度画像から同時に寄生蜂の科を識別します。 データセットは、膜翅目標本の3556枚の高解像度画像から構成されています。 分類学的分布は主にIchneumonidae科（n = 786）、Braconidae科（n = 648）、Apidae科（n = 466）、およびVespidae科（n = 460）に集中しています。 厳選されたデータセットを用いて大規模な実験を実施し、モデルの性能は適合率、再現率、F1スコア、そして精度によって評価されました。 結果は、96%以上の高い精度と、形態的変異を横断する堅牢な一般化能力を示しています。 HiResCAMの可視化は、モデルが翅脈、触角のセグメンテーション、メタソーマ構造など、分類学的に関連する解剖学的領域に焦点を当てていることを確認し、学習された特徴の生物学的妥当性を裏付けています。 説明可能なAI技術の統合は透明性と信頼性を高め、十分に記述されていない寄生蜂上科における生物多様性の特徴付けを加速するのに役立つため、昆虫学研究に適したシステムとなります。