Revue des techniques d'apprentissage automatique pour le contrôle des moustiques dans les environnements urbains

Les techniques d'apprentissage automatique (AA) excellent dans les tâches de prévision, de regroupement et de classification, les rendant précieuses pour divers aspects du contrôle des moustiques. Dans cette revue de littérature, nous avons sélectionné 120 articles pertinents pour l'état actuel de l'AA dans le contrôle des moustiques en milieu urbain. Le travail examiné couvre plusieurs méthodologies, objectifs et critères d'évaluation de différents contextes environnementaux. Nous avons d'abord divisé les articles existants en catégories géospatiales, visuelles ou audio. Pour chaque catégorie, nous avons analysé le processus d'apprentissage automatique, de la création de jeux de données à la performance des modèles. Nous concluons par une discussion sur les défis et opportunités pour de futures recherches. Bien que les méthodes d'AA examinées dans le contrôle des moustiques soient prometteuses, nous recommandons a) une utilisation accrue des données issues de la science citoyenne, b) un processus d'AA standardisé et ouvert pour des résultats reproductibles, et c) des recherches qui intègrent les avancées en AA. Avec ces suggestions, les techniques d'AA pourraient conduire à un contrôle efficace des moustiques dans les environnements urbains. • Il s'agit de la première revue de littérature qui considère une approche globale de l'AA pour le contrôle des moustiques dans les zones urbaines. • Cette revue met en lumière les modèles géospatiaux, visuels et audio pour le contrôle des moustiques issus de 120 articles sélectionnés. • Nous recommandons aux chercheurs de recourir aux données crowdsourcées, d'utiliser un processus d'AA ouvert et d'appliquer des avancées théoriques dans leurs travaux.