A levegőben található pollenek automatikus felismerése fontos szerepet játszik az allergia-előrejelzésben, az ökológiai monitorozásban és a biodiverzitás-kutatásban. A kutatásban az Egészségbiztonság Nemzeti Laboratórium Adatvezérelt Egészség Dívizió fejlesztőcsapata vettek részt, akik hozzájárultak a módszertani fejlesztésekhez és az elemzésekhez. A Scientific Reportsban megjelent publikációt munkatársunk, Dr. Pollner Péter jegyzi.
A fő kihívás továbbra is a nagy mennyiségű, megbízható tanítóadat előállítása, amely hagyományosan jelentős, munkaigényes kézi jelölést igényel.
A tanulmány egy erősen automatizált, skálázható adatgenerálási és tanítási keretrendszert mutat be, amely képes sok mikroszkópos képről önállóan megtanulni és több tízezer pontos példát előállítani. Ehhez modern mesterségesintelligencia-modelleket használtak, amelyek kevés induló információból is képesek felismerni a polleneket, majd egy finomító lépés tovább javítja az eredményeket. Ennek köszönhetően a korábbihoz képest sokkal gyorsabban és kevesebb emberi munkával lehet nagy mennyiségű, jó minőségű tanítóadatot létrehozni.
A rendszert több szinten validálták (szakértői ellenőrzés, részlet-szintű osztályozás, teljes automatikus felismerés), három európai régió adataira építve, hét különböző pollentípuson tesztelve. Az eredmények azt mutatták, hogy a rendszer megbízhatóan működik, bár az eltérő országokból származó minták néha nehezítik az általánosítást.
A különböző mesterségesintelligencia-modellek összehasonlítása során kiderült, hogy bizonyos modern, transzformátor-alapú megoldások nagyon jól működnek a képek „megértésében”, míg egy régebbi, de bevált modell is erős teljesítményt nyújtott a valós, mindennapi mintákon. Különösen a parlagfű pollen detektálása bizonyult megbízhatónak, ami közegészségügyi szempontból kiemelt jelentőségű, hiszen Európában ez az egyik leggyakoribb allergén növény.
