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仍滯后于前沿的計算機視覺技術。
　　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果。對本文構建的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