基于深度學(xué)習(xí)的鱗翅目昆蟲圖像處理研究.pdf

1、將先進(jìn)的計(jì)算機(jī)視覺技術(shù)有效應(yīng)用于昆蟲自動(dòng)分類一直是昆蟲分類學(xué)的研究熱點(diǎn)，此項(xiàng)研究可應(yīng)用到環(huán)境監(jiān)測(cè)、病蟲害診斷、流行病學(xué)等各個(gè)領(lǐng)域。但目前在昆蟲自動(dòng)分類中應(yīng)用的技術(shù)仍滯后于前沿的計(jì)算機(jī)視覺技術(shù)。
　　本文以為害最廣的鱗翅目昆蟲為實(shí)驗(yàn)對(duì)象展開研究，包括蝶類和蛾類。主要研究了深度學(xué)習(xí)算法在鱗翅目昆蟲圖像處理中的應(yīng)用，包括基于全卷積神經(jīng)網(wǎng)絡(luò)的鱗翅目昆蟲前背景分割方法，基于端到端深度卷積神經(jīng)網(wǎng)絡(luò)(Deep convolutional neu

2、ral network)及DCNN特征提取器的鱗翅目昆蟲識(shí)別方法。本文主要內(nèi)容如下:
　　(1)給出了一種基于全卷積神經(jīng)網(wǎng)(Full convolutional neural network)的鱗翅目昆蟲前背景分割方法。采用多特征層融合的方式來提高鱗翅目昆蟲圖像前背景預(yù)測(cè)的精度。在沒有人工交互及閾值預(yù)設(shè)的情況下，利用網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)，充分挖掘鱗翅目昆蟲前景的顏色、紋理等特征信息，實(shí)現(xiàn)了精準(zhǔn)的鱗翅目昆蟲圖像自動(dòng)前背景分割。最后通過最大

3、輪廓提取，消除前背景分割結(jié)果中的孤立區(qū)域及前景中的空洞，然后以優(yōu)化后的前景圖像作為識(shí)別的輸入圖像。
　　(2)利用高性能的深度卷積神經(jīng)網(wǎng)絡(luò)DCNN實(shí)現(xiàn)對(duì)鱗翅目昆蟲圖像的識(shí)別。不同于傳統(tǒng)“特征選擇及提取—分類器設(shè)計(jì)及訓(xùn)練”的兩步式操作，本文構(gòu)建了一個(gè)端到端的DCNN識(shí)別模型，直接以224×224的彩色圖像作為輸入，通過隱層映射得到分類結(jié)果。對(duì)本文構(gòu)建的70類鱗翅目昆蟲集進(jìn)行了分類實(shí)驗(yàn)，測(cè)試識(shí)別率達(dá)到了99.8％。
　　(3)提