Identificazione mediante modelli di intelligenza artificiale di Ips spp. (Coleoptera: Curculionidae: Scolytinae) da montitoraggio forestale

This thesis aims to assess the ability of artificial intelligence models, in particular convolutional neural networks (CNNs) such as YOLO and D-FINE, to accurately recognize species of the genus Ips. The focus was placed on Ips amitinus and Ips cembrae, two taxa that are morphologically very similar and therefore difficult to identify. The specimens were photographed using Entomoscope, a newly developed photomicroscope specifically designed for entomological applications. The acquired images were employed to train the algorithms, which were subsequently used for the automatic identification of the depicted species. The beetles were collected from forest monitoring traps near Tanas (Lasa, BZ), in Val Venosta. The captured material was sorted in the laboratory, and the species were identified using dichotomous keys. While the target scolytid of the study was I. cembrae, a considerable presence of I. amitinus and Ips sexdentatus was also detected. The results of the AI-based identification proved highly satisfactory, achieving a recognition rate close to 100%. These findings support a positive conclusion, demonstrating that the combination of Entomoscope and CNNs represents a promising tool with great potential for species identification and forest monitoring in the field of entomology. The identification of the species allowed to explore the abundance and phenology of two important forest pests, providing forest managers with information useful for the adoption of plant health practices.

La presente tesi ha come obiettivo testare la capacità di modelli di intelligenza artificiale, in particolare reti neurali convoluzionali (CNN) come YOLO e D-FINE, per riconoscere correttamente alcune specie del genere Ips. L’attenzione è stata rivolta a Ips amitinus e Ips cembrae, due taxa morfologicamente molto simili tra di loro e quindi di difficile identificazione. Gli esemplari sono stati fotografati con Entomoscope, un fotomicroscopio di recente sviluppo progettato specificamente per applicazioni entomologiche. Le immagini acquisite sono state utilizzate per l’addestramento degli algoritmi, successivamente utilizzati per l’identificazione automatica delle specie rappresentate. I coleotteri sono stati recuperati da trappole di monitoraggio forestale nei pressi di Tanas (Lasa, BZ), in Val Venosta. Il contenuto è stato smistato in laboratorio e poi si sono identificate, con apposite chiavi dicotomiche, le specie presenti. Lo scolitide target dello studio era I. cembrae, ma è stata notata una discreta presenza anche di I. amitinus e Ips sexdentatus. I risultati dell’identificazione con intelligenza artificiale sono molto soddisfacenti, con un grado di riconoscimento prossimo al 100%. Ciò consente di concludere come la combinazione di Entomoscope e CNN rappresenti uno strumento promettente e di grande potenziale per l’identificazione e il monitoraggio forestale in ambito entomologico. L’identificazione delle specie ha, inoltre, consentito di evidenziare la comparsa e l’abbondanza delle stesse nell’ambiente, e quindi di fornire indicazioni utili ai gestori delle foreste per gli interventi di rimozione degli alberi colpiti.