基于深度學習的鱗翅目昆蟲圖像處理研究.pdf

1、將先進的計算機視覺技術(shù)有效應用于昆蟲自動分類一直是昆蟲分類學的研究熱點，此項研究可應用到環(huán)境監(jiān)測、病蟲害診斷、流行病學等各個領域。但目前在昆蟲自動分類中應用的技術(shù)仍滯后于前沿的計算機視覺技術(shù)。
　　本文以為害最廣的鱗翅目昆蟲為實驗對象展開研究，包括蝶類和蛾類。主要研究了深度學習算法在鱗翅目昆蟲圖像處理中的應用，包括基于全卷積神經(jīng)網(wǎng)絡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(Deep convolutional neu

2、ral network)及DCNN特征提取器的鱗翅目昆蟲識別方法。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測的精度。在沒有人工交互及閾值預設的情況下，利用網(wǎng)絡權(quán)值的學習，充分挖掘鱗翅目昆蟲前景的顏色、紋理等特征信息，實現(xiàn)了精準的鱗翅目昆蟲圖像自動前背景分割。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別的輸入圖像。
　　(2)利用高性能的深度卷積神經(jīng)網(wǎng)絡DCNN實現(xiàn)對鱗翅目昆蟲圖像的識別。不同于傳統(tǒng)“特征選擇及提取—分類器設計及訓練”的兩步式操作，本文構(gòu)建了一個端到端的DCNN識別模型，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。對本文構(gòu)建的70類鱗翅目昆蟲集進行了分類實驗，測試識別率達到了99.8％。
　　(3)提