هوش مصنوعی و یادگیری ماشین

تحول در مدیریت بیولوژیک؛ چگونه Mosqitter با هوش مصنوعی و شبکه حسگر، نظارت بر ناقلان بیماری را متحول می‌کند؟

با افزایش تغییرات اقلیمی و گسترش جغرافیایی بیماری‌های منتقله از طریق پشه نظیر دنگی، استارتاپ Mosqitter در رویداد Disrupt ۲۰۲۶ از استراتژی جدید خود برای تبدیل دستگاه‌های تله‌گذاری پشه به یک شبکه نظارتی هوشمند مبتنی بر هوش مصنوعی پرده برداشت. این تحول نه تنها بر حذف فیزیکی حشرات، بلکه بر تحلیل کلان‌داده‌های محیطی برای پیش‌بینی ریسک‌های سلامت عمومی متمرکز است.

مهندسی تله‌گذاری بدون مواد شیمیایی

استارتاپ Mosqitter که در سال ۲۰۱۹ در اوکراین تحقیق و توسعه خود را آغاز کرد، با هدف جایگزینی روش‌های سنتی شیمیایی، دستگاه‌هایی را طراحی کرده است که با تقلید از الگوهای بیولوژیکی انسان شامل دما، رایحه پوست و دی‌اکسید کربن (در مدل Grand)، پشه‌های ماده را به دام می‌اندازند. چرخه تولید مثل پشه‌ها که تقریباً سه هفته‌ای است، نقطه تمرکز این فناوری برای کاهش جمعیت ناقلین قبل از تخم‌گذاری است.

پلتفرم نظارتی Febris: لایه هوش مصنوعی و بینایی ماشین

قلب تپنده نوآوری جدید این شرکت، سیستم نظارتی Febris است. این سیستم با استفاده از دوربین‌های تعبیه‌شده در دستگاه‌ها، تصاویر پشه‌های صید شده را دریافت کرده و از طریق یک شبکه عصبی پیشرفته، ویژگی‌های بیولوژیکی آن‌ها را تحلیل می‌کند. برای دستیابی به دقت بالا، سیستم بر اساس یک مدل «سه قاضی» عمل می‌کند که شامل:

  • آنالیز تصویر توسط شبکه عصبی عمیق.
  • تطبیق با داده‌های مرجع بیولوژیکی خارجی.
  • اعتبارسنجی توسط متخصصان حشره‌شناسی برای تعیین ضریب اطمینان (Confidence Score).

تحلیل داده‌های محیطی و پیش‌بینی ریسک

فناوری Mosqitter صرفاً به شناسایی گونه بسنده نمی‌کند. این سیستم داده‌های محیطی شامل دما، رطوبت و سرعت باد را در کنار داده‌های بیولوژیک پردازش می‌کند تا تغییرات جمعیت پشه‌ها را پیش‌بینی نماید. نکته حیاتی که مدیران Mosqitter بر آن تأکید دارند، این است که «Febris» ابزاری برای تشخیص بیماری نیست، بلکه ابزاری برای شناسایی حضور گونه‌های ناقل (Vector Presence) است که نشان‌دهنده افزایش ریسک بالقوه در یک منطقه جغرافیایی خاص است.

مشخصات فنی و مدل‌های عملیاتی

  • محصولات سخت‌افزاری: Mosqitter Mini (برای فضاهای مسکونی/پرتابل) و Mosqitter Grand (برای فضاهای عمومی).
  • مکانیزم جلب‌کننده: شبیه‌سازی حرارتی پوست، رایحه بیولوژیک و ترشح CO2 (در مدل Grand).
  • مدل کسب‌وکار: فروش مستقیم سخت‌افزار به همراه مدل درآمدی اشتراکی برای دسترسی به داشبوردها، آنالیتیکس و خدمات داده‌ای Febris.
  • مقیاس عملیاتی: بیش از ۵۰۰۰ دستگاه فعال در ۵ قاره جهان (تا پاییز ۱۴۰۵).

گسترش در بازار جهانی و نقش دولتی

این شرکت با همکاری با آژانس‌های سلامت (مانند UK Health Security Agency) در مبادی ورودی مانند فرودگاه‌ها، تلاش دارد زنجیره نظارت بر ورود پشه‌های مهاجر را تقویت کند. تمرکز بر مشتریان سازمانی (B2B) و دولتی، موتور محرک اصلی پیش‌بینی درآمد ۳.۵ میلیون دلاری از بخش داده در سال آینده میلادی است.

نتیجه‌گیری

تغییر رویکرد Mosqitter از یک سازنده دستگاه‌های دفع حشرات به یک تامین‌کننده داده‌های بیومتریک، نمونه‌ای موفق از ادغام IoT و هوش مصنوعی در حوزه سلامت عمومی است. با تکیه بر تحلیل‌های دقیق و استقرار در نقاط استراتژیک شهری، این شبکه نظارتی می‌تواند زمان واکنش سازمان‌های بهداشت عمومی را در برابر اپیدمی‌های نوظهور به شدت کاهش دهد.

📌 منبع و مطالعه بیشتر: Mosqitter is turning its mosquito traps into an AI-powered surveillance network – TechCrunch
حامد

حامد

مسئول مجله فناوری آسمان نقره‌ای