相对特征在昆虫目级阶元图像自动鉴定中的应用

应用计算机图像技术并结合昆虫分类学原理,设计和开发了一套"昆虫目级阶元标本图像自动鉴定系统",提出了一组基于昆虫标本图像的相对特征,并通过前馈人工神经网络方法进行鉴定测试.测试结果表明,相对特征应用于昆虫目级阶元图像的自动鉴定是有效的,在对7个常见昆虫目的测试中,系统表现出良好的准确性和稳定性,最高正确识别率可以达到95%.     

基于全卷积网络的鳞翅目标本图像前背景自动分割方法研究

【目的】本研究旨在探索使用计算机视觉技术实现对鳞翅目标本图像的前背景分割方法。【方法】首先对用于训练和测试的昆虫标本图像去除背景,获得昆虫图像的前背景分割参考标准,对过大的昆虫图像进行缩小处理;其次对训练集图像采用旋转、平移、缩放等方法进行数据增强,剪切出中心区域作为有效图像。求取所有训练样本的均值图像,并从所有输入中减去该均值图像。测试用图像只做归一化但不进行数据增强。微调全卷积神经网络,重点调整结构产生变化的卷积层和反卷积层的参数,用前述训练数据集训练直至收敛。对于待分割图像,只要将图像归一化后输入到训练好的全卷积网络,网络将输出前背景分割结果。【结果】该方法在包含823个样本的测试集中进行了测试,取得的m Io U(mean Intersection over Union)达94.96%,而且分割的视觉效果已经非常接近于人工分割的结果。【结论】实验结果证明通过训练全卷积神经网络可以有效实现鳞翅目标本图像的前背景自动分割。     

昆虫图像自动鉴别技术

昆虫是地球上物种多样性最为丰富的生物类群,其物种鉴定任务复杂而艰巨,可靠的物种鉴定是开展昆虫学工作的重要基础之一。当前,国内外的人工昆虫物种鉴定能力均不能满足实际需求,因而人们开始不断探索利用计算机自动鉴定昆虫的原理和方法。目前,模式识别技术的迅猛发展已为昆虫图像的自动鉴定提供可能。文章概述昆虫图像自动鉴定技术研究的历史与现状,总结主要原理和方法,介绍工作流程,并展望发展前景。     

检疫性昆虫DNA条形码检测技术的研发与应用实例

【目的】DNA条形码技术是近年来生物分类鉴定的研究热点之一,已成为植物检疫性昆虫鉴定的有力工具。为快速、准确地鉴定口岸截获的昆虫种类,实现"检得出、检得准、检得快"的要求,我们研发了昆虫DNA条形码试剂盒检测技术(Insect DNA barcoding identification kit)。【方法】该检测技术针对出入境植物检疫性及危险性昆虫的主要类群,选择合适的基因片段、设计引物、对目标基因进行扩增测序,找出基因片段上区分每个物种的多态位点规律,作为该物种的鉴定特征并建立数据库,应用于植物检疫性及危险性昆虫的物种鉴定。【结果】以检疫性昆虫木蠹象属Pissodes为例,确定了木蠹象属5种昆虫的多态位点规律(鉴定特征),构建了用于物种鉴定的数据库。通过比对数据库里的鉴定特征,将未知样品鉴定为榛梢木蠹象P.terminalis(相似度100%),与形态鉴定结果一致。本文介绍了检测技术的原理、方法、技术流程及应用实例,并展望了其在有害生物检测中的推广应用前景。【结论】昆虫DNA条形码试剂盒检测技术为建立标准化,准确性高的物种鉴定平台打下基础,有着良好的推广应用前景。     

昆虫细胞系的培养和建立技术

迄今已经报道的昆虫细胞系有800株以上。昆虫细胞系在昆虫病理学、寄生虫学、内分泌学、遗传学和分子生物学等基础和应用研究中得到越来越广泛的应用。本文结合我们研究的结果和实践经验,概括了国内外昆虫细胞系建立技术的研究进展,包括昆虫细胞培养的发展、昆虫细胞系建立技术、不同昆虫组织来源细胞系的建立方法和过程,以及对昆虫细胞系特征的鉴定等方面。     

昆虫自动鉴定技术研究与展望

昆虫自动鉴定是解决目前昆虫鉴定需求不断增多与专业鉴定人员数量相对较少之间矛盾的有效方法之一.本文从昆虫数字图像获取、图像处理、数学特征提取和分类器的设计等方面介绍了昆虫自动鉴定技术的研究进展;并对该项技术的未来发展进行了展望.     

基于便携式谐波雷达技术跟踪昆虫运动行为的应用方法

昆虫谐波雷达是一种良好的跟踪昆虫运动的技术。本文从成虫负载的电子标签确定、电子标签的制作、在环境中成虫的检测率和发现率测定、以及田间跟踪昆虫的运动轨迹的方法 4个方面,介绍昆虫谐波雷达技术跟踪昆虫运动行为的应用方法。目的是希望我国更多学者参与昆虫谐波雷达应用,为农林业害虫综合治理研究服务。     

基于F3Net显著性目标检测的蝴蝶图像前背景自动分割

【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F³Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割。在此基础上,采用迁移学习方法,保持ResNet骨架不变,利用蝴蝶图像及其前景蒙板数据,使用交叉特征模块、级联反馈解码器和像素感知损失方法重新训练优化模型参数,得到更优的自动分割模型。同时,将其他5种基于深度学习显著性检测算法也用于自动分割,并比较了这些算法和F³Net算法的性能。【结果】所有算法均获得了很好的蝴蝶图像前背景分割效果,其中,F³Net是更优的算法,其7个指标S测度、E测度、F测度、平均绝对误差(MAE)、精度、召回率和平均IoU值分别为0.940, 0.945, 0.938, 0.024, 0.929,0.978和0.909。迁移学习则进一步提升了F³Net的上述指标值,分别为0.961, 0.964, 0.963, 0.013, 0.965, 0.967和0.938。【结论】研究结果证明结合迁移学习的F³Net算法是其中最优的分割方法。本研究提出的方法可用于野外调查中拍摄的昆虫图像的自动分割,并拓展了显著性目标检测方法的应用范围。     

昆虫小分子量热激蛋白的研究进展

昆虫小分子量热激蛋白(Small heat shock proteins,s HSPs)是最早被发现的热激蛋白,但是有关它们的研究相对较少。本文对昆虫小分子量热激蛋白的最新研究成果进行了总结,旨在引起人们对该类蛋白的关注,以便进一步研究其功能,探讨其可能的应用前景。目前研究表明:昆虫小分子量热激蛋白是其所有热激蛋白中最不保守的家族。同时,它们通常拥有一个α-晶状体结构域;分子量范围一般在12~43 ku;具有分子伴侣的活性。每种昆虫体内拥有多种s HSPs,而且其功能也各不相同。这些热激蛋白在昆虫的生长发育、生殖以及滞育等重要生命活动中起着重要的作用;同时在抵御不良环境以及适应性进化中也具有重要意义。随着研究的深入,还将会有更多的昆虫s HSPs被鉴定,它们更多的功能也将被逐渐发掘。     

温室白粉虱自动计数技术研究初报

应用计算机视觉技术对温室白粉虱自动计数技术进行了研究。采用胶卷照相机和家用摄像机对田间温室白粉虱等生的叶片进行拍摄,以获得其数字图象,对白粉虱图象的分割采用Ｊohannsen基于熵的分割算法,对分割后的二值图象利用区域标记算法得到白粉虱个体的数量。对叶片挨在一起的白粉虱个体采用数学形态学算法进行了分离。用１９个虫叶片样本的统计结果表明,直接利用分割图象进行白粉虱个体计数的累积准确率达９１．９９％,而分离处理的算法则需要改进,因此,这一技术具有进一步在生态研究和ＩＰＭ实践中推广的可能性,这将使田间微小昆虫的种群数量监测和测查的工作量大幅度降低,而铉得到显著提高。     

鼻咽癌细胞双光子显微图像处理

鼻咽细胞的双光子显微图像中含有着丰富信息,借助计算机和图像处理算法可进行分析处理。图象分割是双光子显微图象处理中的一项重要技术,至今为止尚未形成一个最佳通用方法,也没有定义出双光子显微图象分割的统一标准。本文首先采用噪声干扰法进行去噪,采用低帽的变换等的数学形态学来增强鼻咽癌细胞图像,使细胞更加容易分辨,接着对几种经典边缘检测算法进行讨论比较,紧接着根据鼻咽双光子显微图像的实际特征,采取腐蚀算法求出鼻咽癌细胞边缘。然后进行区域生长定位细胞,并采用一些改进的判别分析算法和区域面积算法对鼻咽癌细胞进行阈值分割,获得较好结果。     

应用计算机图像技术识别间日疟原虫的初步研究

目的应用数字图像技术识别间日疟原虫。方法基于图像预处理、图像分割、特征提取、判决分类等步骤,分别对间日疟原虫薄血膜的裂殖体图像进行处理,观察其识别效率和准确度。结果边缘检测和图像灰度值检测两种方法均能够识别间日疟原虫裂殖体,而二者的联合方法可以得到较好的识别效果。结论初步探索采用边缘和图像灰度联合检测的方法能够识别间日疟原虫薄血膜的裂殖体。     

基于K-means聚类算法的叶螨图像分割与识别

【目的】叶螨(spider mite)是为害多种农作物的主要害虫,叶螨识别传统方法依靠肉眼,比较费时费力,为研究快速自动识别方法,引入计算机图像分析算法。【方法】该方法基于K-means聚类算法对田间作物上的叶螨图像进行分割与识别。【结果】对比传统RGB彩色分割方法,K-means聚类算法能够有效地对叶片上叶螨图像进行分割和识别。K-means聚类算法平均识别时间为3.56 s,平均识别准确率93.95%。识别时间T随图像总像素Pi的增加而增加。【结论】K-means聚类组合算法能够应用于叶螨图像分割与识别。     

一种新的基于蒙特卡罗模拟和光子传输模型的图像分割算法

本文以蒙特卡罗模拟方法为基础,结合组织光学的光子传输模型,提出了一种新的图像分割算法,该算法将复杂的图像分割问题简化为大量简单的光子传输随机实验,通过分析传输规律来获取目标区域.在随后的实验中,结合细胞核提取这一问题建立了一个简单的光学传输模型,并依据此模型分别对人造图和实际图进行了分割.人造图的分割结果表明了该算法的可行性,说明了该算法的一些优点;而实际图的分割结果则反映了该算法的不足之处,文章针对其中存在的问题和算法待改进之处进行了分析.     

基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.     

基于邻域最大差值与区域合并的油茶毒蛾幼虫图像分割

【目的】油茶树害虫的种类较多,其中油茶毒蛾Euproctis pseudoconspersa幼虫是危害较大的害虫之一。为完成油茶毒蛾幼虫的自动检测需要对其图像进行分割,油茶毒蛾幼虫图像的分割效果直接影响到图像的自动识别。【方法】本文提出了基于邻域最大差值与区域合并的油茶毒蛾幼虫图像分割算法,该方法主要是对相邻像素RGB的3个分量进行差值运算,最大差值若为0,则进行相邻像素合并得出初始的分割图像,根据合并准则进一步合并,得到最终分割结果。【结果】实验结果表明,该算法可以快速有效地将油茶毒蛾幼虫图像中的背景和虫体分割开来。【结论】使用JSEG分割算法、K均值聚类分割算法、快速几何可变形分割算法和本文算法对油茶毒蛾幼虫图像进行分割,将结果进行对比发现本文方法的分割效果最佳,且处理时间较短。     

Objective threshold selection procedure (OTS) for segmentation of scanning laser confocal microscope images

The determination of volumes and interface areas from confocal laser scanning microscopy (CLSM) images requires the identification of component objects by segmentation. An automated method for the determination of segmentation thresholds for CLSM imaging of biofilms was developed. The procedure, named objective threshold selection (OTS), is a three-dimensional development of the approach introduced by the popular robust automatic threshold selection (RATS) method. OTS is based on the statistical properties of local gray-values and gradients in the image. By characterizing the dependence between a volumetric feature and the intensity threshold used for image segmentation, the former can be determined with an arbitrary confidence level, with no need for user intervention. The identification of an objective segmentation procedure renders the possibility for the full automation of volume and interfacial area measurement. Images from two distinct biofilm systems, acquired using different experimental techniques and instrumental setups were segmented by OTS to determine biofilm volume and interfacial area. The reliability of measurements for each case was analyzed to identify optimal procedure for image acquisition. The automated OTS method was shown to reproduce values obtained manually by an experienced operator.