Under sit studie har Kim Bjerge forsket i automatiseret insektovervågning ved hjælp af kameraer og kunstig intelligens. Han udvikler specialiserede kamerafælder til at optage af insektbilleder i forskellige økosystemer, hvor indlejret databehandling muliggør realtidsanalyse direkte i felten. Ved hjælp af deep learning-modeller kan insekter detekteres, klassificeres og spores i både med video- og time-lapse-optagelser. Hans forskning omfatter også analyse af blomsterressourcer samt sortering og hierarkisk klassificering af insekter for at understøtte artsidentifikation. Dette bidrager til at gøre insektovervågning mere automatiseret, skalerbar og fleksibel – med anvendelse for både landbrug og biodiversitetsbevarelse.

Den nye forskning bidrager med metoder, kode, datasæt og 10 artikler om kameraoptagelse og deep learning algoritmer til analyse af billeder af dag- og nataktive insekter i deres naturlige omgivelser.

Ph.d.-studiet er gennemført ved Department of Electrical and Computer Engineering, Faculty of Technical Sciences, Aarhus Universitet.

Dette resumé er udarbejdet af den ph.d.-studerende.

Tid: fredag den 27. juni kl. 13:00
Sted: Bygning 5123, lokale 111, Aarhus Universitet, Helsingforsgade 10, 8200 Aarhus N
Afhandlingens titel: Computer Vision and Deep Learning for Insect Monitoring
Kontaktinfo: Kim Bjerge, e-mail: kbe@ece.au.dk, tlf.: +45 41893264
Bedømmelsesudvalg:
Professor Joachim Denzler, Lehrstuhl für Digitale Bildverarbeitung, Friedrich-Schiller-Universität Jena, Tyskland
Associate Professor Lars B. Pettersson, Biodiversity and Evolution, Lunds Universitet, Sverige
Professor Preben Kidmose (forperson), Institut for Elektro- og Computerteknologi, Aarhus Universitet, Danmark
Hovedvejleder: Professor Henrik Karstoft, Institut for Elektro- og Computerteknologi, Aarhus Universitet, Danmark
Medvejleder: Professor Toke T. Høye, Institut for Ecoscience, Aarhus Universitet, Denmark
Sprog: Ph.d.-afhandlingen forsvares på engelsk
Online link: https://aarhusuniversity.zoom.us/j/68612557165

Forsvaret er offentligt.
Afhandlingen ligger til gennemsyn hos Graduate School of Technical Sciences (GSTS), Ny Munkegade 120, bygning 1521, 8000 Aarhus C