MétaCan
Menu
Retour à la cohorte
Enregistrement W4406235924 · doi:10.26786/1920-7603(2025)778

Utilising affordable smartphones and open-source time-lapse photography for pollinator image collection and annotation

2025· article· en· W4406235924 sur OpenAlexvenueno aff
Valentin Ştefan, Aspen Workman, Jared C. Cobain, Demetra Rákosy, Tiffany M. Knight

Notice bibliographique

RevueJournal of Pollination Ecology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesHelmholtz Artificial Intelligence Cooperation UnitDeutsches Zentrum für integrative Biodiversitätsforschung Halle-Jena-LeipzigDeutsche Forschungsgemeinschaft
Mots-clésCitizen sciencePhotographyAnnotationOpen sourceCrowdsourcingPollinatorBiologyComputer scienceRemote sensingGeographyWorld Wide WebVisual artsPollenEcologyArtificial intelligenceBotanySoftwareArtPollination

Résumé

récupéré en direct d'OpenAlex

Monitoring plant-pollinator interactions is crucial for understanding the factors influencing these relationships across space and time. Traditional methods in pollination ecology are resource-intensive, while time-lapse photography offers potential for non-destructive and automated complementary techniques. However, accurate identification of pollinators at finer taxonomic levels (i.e., genus or species) requires high enough image quality. This study assessed the feasibility of using a smartphone setup to capture time-lapse images of arthropods visiting flowers and evaluated whether these images offered sufficient resolution for arthropod identification by taxonomists. Smartphones were positioned above target flowers from various plant species in urban green areas around Leipzig and Halle, Germany. We present proportions of arthropod identifications (instances) at different taxonomic levels (order, family, genus, species) based on visible features in the images as interpreted by taxonomists. We document whether limitations stem from the automated setup (e.g., fixed positioning preventing capture of distinguishing features despite high image resolution) or from low image quality. Recommendations are provided to address these challenges. Our results indicate that 89.81% of all Hymenoptera instances were identified to family level, 84.56% of pollinator family instances to genus level, and only 25.35% to species level. We were less able to identify Dipterans to finer taxonomic levels, with nearly 50% of instances not identifiable to family level, and only 26.18% and 15.19% identified to genus and species levels. This was due to their small size and the more challenging features needed for identification (e.g., in the wing veins). Advancing smartphone technology, along with their accessibility, affordability, and user-friendliness, offers a promising option for coarse-level pollinator monitoring.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,288

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,245
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pollination EcologyMême sujetPlant and animal studiesTravaux en français237 207