Baitstationen bestanden aus einer Dragon Touch Vision 1 1080p Kamera, die in einer Höhe von 210 mm über einem einförmigen Erkennungsbrett aufgehängt war und durch einen undurchsichtigen Schutzschild abgeschirmt wurde. Diese Konfiguration minimierte Hintergrund- und Beleuchtungsvariabilität und vereinfachte somit die Rechenkomplexität der Hornissenerkennung, während sichergestellt wurde, dass nur Hornissen und andere Insekten, die die Station besuchten, in den Videos erfasst wurden. Ein Schwammtuch, das mit kommerziellem Vespiden-Anlockmittel – VespaCatch (Véto-pharma) oder Trappit (Agrisense) – imprägniert war, wurde in einer 90 mm durchmessenden Petrischale in der Mitte der Köderstation platziert, um Hornissen anzulocken, direkt unterhalb der Kamera zu landen. Diese Köderstationen wurden verwendet, um ein umfangreiches Trainingsdatensatz zu sammeln und zu extrahieren, bestehend aus Bildern von V. velutina, V. crabro und anderen Insekten an Standorten in Jersey, Portugal, Frankreich und Großbritannien.
Um die Datensatztreue zu gewährleisten, wurden resultierende Bilder von V. velutina und V. crabro visuell durch Experten anhand von Farbgebung, Abdominalmarkierungen und Morphologie identifiziert. Darüber hinaus wurde die Identität jeder Hornissenart durch die Verwendung der entsprechenden taxonomischen Schlüssel bestätigt. Die Datenerhebung erfolgte 2021 und 2022, wobei ausgewählte Bilder aus dem Rohvideomaterial extrahiert und in drei Untergruppen unterteilt wurden. Alle Trainingsbilder wurden 2021 gesammelt, während die endgültige Validierungsbilder im Jahr 2022 gesammelt wurden, um vollständige räumlich-zeitliche und biologische Neuheit zu gewährleisten. Bilder ergaben eine maximale gleichzeitige Koexistenz von sechs V. velutina in Jersey und fünf V. crabro im Vereinigten Königreich. Eine Verarbeitungsschicht vor dem Training ermöglichte eine umfassende Bildmanipulation, bei der drei zusätzliche Variationen für jedes Originalbild erstellt wurden, wodurch die Gesamtzahl der Bilder um das Vierfache erhöht wurde.
Für die Erstellung eines Hardware-spezifischen Hornissenerkennungs- und Klassifizierungsmodells kombinierten wir unseren umfangreichen Bild-Datensatz mit maßgeschneiderten Verstärkungen, um hohe Vorhersagegenauigkeit zu erzielen. Der VespAI-Erkennungsalgorithmus basiert auf der YOLOv5-Familie von maschinellen Sehmodellen, speziell YOLOv5s, einer Variante, die für den Einsatz auf tragbaren Prozessoren wie dem Raspberry Pi optimiert ist. Um das System passiv zu halten, wurde der leichte ViBe Hintergrundsubtraktionsalgorithmus als Front-End-Filter eingebaut, um Energie zu sparen. Alle Modelle wurden in der PyTorch-Maschinenlernumgebung auf einem NVIDIA Tesla V100 Tensor Core GPU trainiert und getestet.