基于稀疏编码和SCG BPNN的鳞翅目昆虫图像识别

【目的】为了给林业、 农业或植物检疫等行业人员提供一种方便快捷的昆虫种类识别方法, 本文提出了一种新颖的鳞翅目昆虫图像自动识别方法。【方法】首先通过预处理对采集的昆虫标本图像去除背景, 分割出双翅, 并对翅图像的位置进行校正。然后把校正后的翅面分割成多个超像素, 用每个超像素的l, a, b颜色及x, y坐标平均值作为其特征数据。接下来用稀疏编码(SC)算法训练码本、 生成编码并汇集成特征向量训练量化共轭梯度反向传播神经网络（SCG BPNN）, 并用得到的BPNN进行分类识别。【结果】该方法对包含576个样本的昆虫图像的数据库进行了测试, 取得了高于99%的识别正确率, 并有理想的时间性能、 鲁棒性及稳定性。【结论】实验结果证明了本文方法在识别鳞翅目昆虫图像上的有效性。     

基于颜色名和OpponentSIFT特征的鳞翅目昆虫图像识别

【目的】本研究旨在探索使用先进的计算机视觉技术实现对昆虫图像的自动分类方法。【方法】通过预处理对采集的昆虫标本图像去除背景,获得昆虫图像的前景蒙板,并由蒙板确定的轮廓计算出前景图像的最小包围盒,剪切出由最小包围盒确定的前景有效区域,然后对剪切得到的图像进行特征提取。首先提取颜色名特征,把原来的RGB（Red-Green-Blue）图像的像素值映射到11种颜色名空间,其值表示RGB值属于该颜色名的概率,每个颜色名平面划分成3×3像素大小的网格,用每格的概率均值作为网格中心点的描述子,最后用空阈金字塔直方图统计的方式形成颜色名视觉词袋特征;其次提取OpponentSIFT(Opponent Scale Invariant Feature Transform)特征,首先把RGB图像变换到对立色空间,对该空间每通道提取SIFT特征,最后用空域池化和直方图统计方法形成OpponentSIFT视觉词袋。将两种词袋特征串接后得到该昆虫图像的特征向量。使用昆虫图像样本训练集提取到的特征向量训练SVM（Support Vector Machine）分类器,使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别。【结果】该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100%的识别正确率。【结论】试验结果证明基于颜色名和OpponentSIFT特征可以有效实现对鳞翅目昆虫图像的识别。     

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。     

基于深度学习的蝴蝶科级标本图像自动识别

【目的】本研究旨在探讨深度学习模型在蝴蝶科级标本图像自动识别中的可行性和泛化能力。【方法】为了提高识别模型的鲁棒性和泛化能力,将锤角亚目中6个科1 117种蝴蝶标本图像通过水平翻转、增加图像对比度与亮度以及添加噪声的方式增强图像数据集。在Caffe框架下,利用迁移学习方法,首先使用Image Net数据集中的图像训练Caffe Net模型,迭代31万次后得到初始化的网络权值;然后利用蝴蝶图像训练已预训练好的Caffe Net模型,通过参数微调,获得一个蝴蝶科级标本图像自动识别的卷积神经网络模型。为了比较深度学习和传统模式识别两种方法建立的模型的泛化能力,对相同训练样本提取全局特征和局部特征,训练支持向量机(support vector machine,SVM)分类器。所有的模型在与训练样本图像来源一致和不一致的两个测试样本集上进行测试。【结果】当测试样本与训练样本来源一致,均为蝴蝶标本图像时,基于Caffe Net的蝴蝶识别模型对6个科的蝴蝶识别准确率平均达到95.8%,基于Gabor的SVM分类器也获得了94.8%的识别率。当测试样本与训练样本来源不一致,为自然环境下拍摄的蝴蝶图像时,两种方法获得的识别率均下降,但Caffe Net模型对蝴蝶自然图像的平均识别率仍能达到65.6%,而基于Gabor的SVM分类器的识别率仅为38.9%。【结论】利用Caffe Net模型进行蝴蝶科级标本图像识别是可行的,相比较传统模式识别方法,基于深度学习的蝴蝶识别模型具有更好的泛化能力。     

基于残差网络的自然环境下蝴蝶种类识别

【目的】蝴蝶属鳞翅目(Lepidoptera)昆虫，其对生存环境敏感，能够作为区域生态环境的指示物种，自然环境下蝴蝶种类自动识别对生态系统稳定有重要意义。现有研究中蝴蝶种类和数量较少，且多以标本图像作为识别对象，鉴于此，本研究构建了自然环境下蝴蝶图像数据集，提出一种以残差网络为基础的蝴蝶种类识别模型LDResNet。【方法】首先，引入可变形卷积，增强网络对不同形状蝴蝶图像的特征提取能力，获得更细粒度的特征；其次，在可变形卷积后嵌入注意力机制，增大蝴蝶特征权重，降低冗余信息干扰；最后，利用改进的深度可分离卷积降低模型参数量。【结果】在自建数据集上实验，LDResNet模型取得了87.61%的平均识别准确率，较原始模型提升了3.14%,模型参数量仅为1.04 MB。【结论】LDResNet模型相较其他模型，在平均识别准确率和参数量方面均有明显优势，本研究模型可为自然环境下的蝴蝶种类自动识别提供技术支持。     

基于U-Net卷积神经网络的年轮图像分割算法

树木年轮学的研究需要统计树龄和测量轮宽,由此推算环境变换和树木生长信息,因此准确提取年轮特征信息至关重要。精准识别出年轮图像中的早材、晚材和树皮是实现自动化测量年轮参数的首要工作。树木年轮的生长过程中存在年轮的早材和晚材间边界过渡模糊、节疤和伪年轮等现象,且年轮圆盘在砍伐和采集过程中表面会存在毛刺和噪声点,使用传统的图像分割算法难以得到理想的效果。本文结合深度神经网络的特点,针对年轮图像的分割问题,构建了基于U-Net卷积神经网络的年轮图像语义分割模型。首先,对采集的100张年轮圆盘图像进行标注,并通过旋转、透视和图像变形等方式做数据增强,生成20000张数据集,随机选择其中16000张作为训练数据集,4000张作为测试数据集。其次,根据图像数据集的特征,利用Tensorflow深度学习框架,设计构建基于U-Net卷积神经网络的年轮圆盘图像分割网络。然后,将训练样本输送进网络,设置优化训练参数,对年轮图像分割网络进行迭代训练,直至评价指标和损失函数不再变化。最后,用训练好的模型对测试集样本进行分割,并进行分割指标评估。结果表明:该算法可有效避免毛刺、锯痕和节疤等因素的影响,完整地分割出年轮的晚材和树皮区域,在4000张测试数据集上分割的平均准确率达到96.51%,平均区域重合度达到82.30%。与传统图像处理算法相比,本文所采用的基于U-Net卷积神经网络的年轮图像分割算法,能够达到更好的分割效果,同时具有更强的泛化能力和鲁棒性。     

鳞翅目昆虫翅膀纳米力学性能的测定方法

【目的】鳞翅目昆虫具有较强的飞行能力,远距离迁飞是其区域性灾变的生物学基础。翅的力学性能决定昆虫的飞行效率和迁飞距离,由于翅型、尺寸和组成结构等因素的限制,对昆虫翅膀力学参数的测试一直缺乏行之有效的技术手段。【方法】本研究采用纳米压入技术测试了棉铃虫Helicoverpa armigera、小地老虎Agrotis ypsilon和黄地老虎Agrotis segetum成虫翅膀的力学参数。【结果】动态压入和准静态压入两种测试方法均具有空间分辨率高、数据可靠性强等优点,且具有较好的可操作性和可重复性。【结论】纳米压入技术可准确测量鳞翅目昆虫翅膀的各项力学性能参数,为深入研究昆虫远距离迁飞的空气动力学机制提供了技术支撑。     

应用昆虫远程智能监测系统监测苹果园害虫的技术

【目的】探索昆虫远程智能监测系统在苹果园害虫监测中的应用技术。【方法】采用双机双摄图像采集系统收集每个时间段诱集昆虫的清晰图像,并传送至系统,在系统客户端进行识别记录。【结果】昆虫远程智能监测系统通过平台设定参数,自动完成昆虫的诱集、灭杀、拍照、传输、收集等工作,客户端人工识别、计数较准确,与实际害虫发生吻合度高。【结论】昆虫远程智能监测系统可实现苹果园多种主要害虫的远程实时监测,减少了监测的人力物力。电脑神经网络通过平台提供的昆虫图片的学习、特征提取、结构构建和模型评估,最终可实现昆虫的自动识别计数。     

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。     

基于三维卷积神经网络的肺结节探测与定位方法

提出一种基于三维卷积神经网络对肺部计算机断层扫描图像(CT)进行肺结节自动探测及定位的方法.基于开源数据集LUNA16开展研究,对数据进行像素归一化、坐标转换等预处理,对正样本使用随机平移、旋转和翻转的方式进行扩充,对负样本进行随机采样.搭建了三维卷积神经网络并在训练过程中调整网络参数,直到得到性能最佳的网络.此外还设...     

基于CNN与LSTM模型的蛋白质二级结构预测

蛋白质结构的预测在理解蛋白质结构组成和蛋白质的生物学功能有重要意义,而蛋白质二级结构预测是蛋白质结构预测的重要环节。当PSSM位置特异性进化矩阵被广泛应用于将蛋白质初级结构序列编码作为输入样本后,每个残基可以被表示成二维空间的数据平面,由此文中尝试利用卷积神经网络对其进行训练。文中还设计了另一种卷积神经网络,利用长短记忆网络感知了CNN最后卷积特征面的横向特征和纵向特征后连同卷积神经网络的全连接共同完成分类,最后用ensemble方法对两类卷积神经网络模型进行了整合,最终ensemble方法中包含两类卷积神经网络的六个模型,在CB513蛋白质数据集测得的Q3结果为77.2。     

昆虫图像分割方法及其应用

昆虫图像自动鉴定是一种快速鉴定昆虫的方法,图像分割则是其中关键步骤。通过搜集和整理国内外近年来针对昆虫图像的分割方法和研究,发现对昆虫图像分割的研究日趋增多。随着计算机图像技术的发展,昆虫图像分割方法吸收了许多图像分割领域中新兴的方法, 诸如采用水平集、边缘流以及结合形状、纹理、色彩等多种要素的智能分割(如JSEG方法)等。虽然大量的图像分割方法被引入到昆虫图像研究中,但是目前分割技术依然是阻碍昆虫图像广泛应用的关键。本文经过总结和分析,发现目前昆虫图像分割研究的往往在各自的测试集上有良好表现, 但是缺乏统一的评价标准, 因此很多方法在昆虫图像中应用难以推广。针对研究中的存在的这些问题,需建立良好的昆虫图像分割评价体系,本文建议通过建立统一的昆虫图像库以及对昆虫图像分割的评价方法深入研究,并且这些工作是当前昆虫图像分割研究亟待完善任务。     

长白山苔原带昆虫群落组成与时间动态

【目的】苔原是一种极地景观类型,本研究调查了长白山苔原带昆虫的物种组成与时间动态,以期为苔原带昆虫保护以及昆虫与苔原植物协同进化研究提供基础依据。【方法】2005-2007年每年6-9月,在长白山北坡、西坡苔原带利用网捕、灯诱、巴氏罐法采集昆虫标本。【结果】2005-2007年从长白山苔原带共获得昆虫标本4 634头,隶属于11目105科550种,其中鳞翅目、鞘翅目、膜翅目、双翅目的种类和个体数量较为丰富,这4个类群的物种数与个体数的最高峰都出现在7月份。对应分析显示,鳞翅目昆虫对7月份,鞘翅目昆虫对8和9月,膜翅目和双翅目昆虫对6月的适应性较强。苔原带7月份昆虫的物种数(382种)、个体数(2 571个个体)和多样性指数(4.673)都最高,物种数和个体数在9月份最低,仅22种265个个体。不同月份昆虫的物种数与个体数之间呈显著正相关(R=0.992)。不同月份间昆虫的相似性低(相似性系数＜0.20)。【结论】长白山苔原带昆虫多样性较低,7月为昆虫的活跃高峰期,9月昆虫的个体数和物种数均较少。鳞翅目昆虫的物种最丰富,对7月份气侯的适应性相对较强,鞘翅目对季节变化的适应能力强于其他类群,在维持苔原带生态平衡中起着重要作用。     

基于小波神经网络的麦蚜发生程度预测模型

【目的】建立基于小波神经网络病虫害预测预报模型,对提前采取防病防虫措施、减少农作物病虫害损失、提高农作物产量与质量具有重要意义。【方法】本研究以山西省运城市芮城县1980-2014年麦蚜发生程度和气象因子数据为基础,采用主成分分析法从40个基础气象因子中整合形成9个新的自变量输入模型,采用试凑法筛选隐含层节点数,用1980-2009年的数据进行网络训练,对2010-2014年麦蚜发生程度进行回测,建立了以Morlet小波函数为传递函数的小波神经网络模型,并与以Sigmoid函数为传递函数的BP神经网络模型进行了比较。【结果】小波和BP神经网络两种模型对训练样本的平均拟合精度均有10年以上超过80%,两者MAPE 值分别为 89.83% 和83.07%,MSE 值分别为0.0578和0.6192。【结论】两个模型都能较好地描述麦蚜发生程度;从预测精度和模型的稳定性来看,小波神经网络好于BP神经网络。     

基于细胞色素C氧化酶亚基Ⅰ基因的小蜡螟系统进化分析

【目的】小蜡螟Achroia Grisella Fabricius作为蜂业生产中的主要虫害,为确认它在鳞翅目昆虫中的遗传地位,本研究克隆了小蜡螟细胞色素C氧化酶亚基Ⅰ基因COⅠ,并对其序列进行相关生物信息学分析。【方法】根据NCBI已登录鳞翅目昆虫线粒体基因组mtDNA中COⅠ基因保守序列设计简并引物,以小蜡螟基因组为模板进行PCR,克隆并测序得到小蜡螟mtDNA CO Ⅰ基因序列(GenBank登录号:MF509586)。【结果】对CO Ⅰ基因编码区进行序列分析发现,其翻译的起始码子为TTG,以碱基T作为不完全终止;通过CO Ⅰ基因同源性和遗传距离分析发现,小蜡螟与大蜡螟Galleria mellonella同源性最高且遗传距离最近,分别为88.3%、0.117。系统进化分析发现,小蜡螟与其它鳞翅目昆虫聚为一支,其中螟蛾科昆虫大蜡螟、小蜡螟、米蛾Corcyra cephalonica和梢斑螟Corcyra cephalonica聚在一个小的分支。【结论】小蜡螟与大蜡螟的进化地位最为相近,也说明了利用CO Ⅰ基因可以区分同属不同种的蜡螟,研究结果为了解小蜡螟的遗传背景提供理论基础。     

山东莱西花生产区昆虫群落基本结构及多样性研究

【目的】花生是山东省主要油料作物,为阐明山东莱西花生田昆虫群落结构及多样性。【方法】2014年6月到2015年6月采用马来氏网法对该地区花生田昆虫群落结构进行了调查研究。【结果】全年共获得各类昆虫标本89 967头,分属于13目、117科;主要以膜翅目、鞘翅目、双翅目、鳞翅目和半翅目为主,其中茧蜂科(膜翅目)、露尾甲科(鞘翅目)、缟蝇科(双翅目)、夜蛾科(鳞翅目)、蚜科(半翅目)为科级优势类群;花生蚜Aphis craccivora Koch、小绿叶蝉Jacobiasca formosana、小地老虎Agrotis ypsilon、棉铃虫Heliothis armigera、斜纹夜蛾Spodoptera litura、异色瓢虫Leis axyrids、蚜茧蜂(Aphidiidae)、啮小蜂(Tetrastichidae)、黑带食蚜蝇Epistrophe balteata De Geer等为优势种。【结论】多样性分析结果表明,该地区花生田昆虫群落结构的多样性指数、均匀度指数和丰富度指数较高,三者呈一致趋势,说明莱西花生田昆虫群落具有较高稳定性。     

基于目标颜色基及梯度方向匹配的菌落分割计数算法

【目的】通过菌落测试片提取菌落并计数,在农业、食品业、医疗卫生等领域中是一项常用且重要的工作。目前,菌落自动计数算法大都是以菌落培养皿为主要工作对象,对菌落测试片适用性较差。另外,目前相关技术在常规的粘连物体分割中有着较好的效果,但在菌落分割计数中,由于菌落本身的形态特征,对粘连菌落分割计数的效果尚不够精准。【方法】为解决此类问题,本文提出一种基于目标颜色基及梯度方向匹配的菌落分割计数算法。首先利用图像中菌落的颜色特征作为基,将图像转换到基空间内,以增强菌落与背景之间的差异,其次利用菌落图像的梯度幅值特征对梯度方向进行滤波,然后通过梯度方向进行匹配,进而将粘连的菌落分割,最后利用非极大值抑制的方法筛选出菌落并计数。【结果】经试验,本研究算法的计数精度可达98.00%,能够满足实际需求。【结论】在针对菌落的目标分割计数中,本研究算法不仅计数精度高,而且具有较好的鲁棒性,在对不同厂家的菌落总数测试片菌落分割计数中均有优异效果;然而在对大面积目标的检测分割中算法的准确率会有所下降,因此,该算法更适合于菌落等小目标的检测分割。     

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。     

Bax通道在斑蝥素诱导草地贪夜蛾Sf9细胞凋亡中的作用

【目的】为明确Bax通道在斑蝥素诱导鳞翅目昆虫细胞凋亡过程中的作用。【方法】本文利用Bax通道抑制法测定了斑蝥素诱导鳞翅目昆虫草地贪夜蛾Spodoptera frugiperda(J.E.Smith)细胞系Sf9细胞凋亡过程中线粒体膜电位、线粒体琥珀酸脱氢酶活性及细胞形态等方面的影响。【结果】Bax通道被抑制后,斑蝥素诱导造成的Sf9细胞线粒体膜电位的降低时间延迟,细胞形变率下降,但琥珀酸脱氢酶活性的下降未受影响。【结论】Bax通道参与了斑蝥素引起的Sf9细胞线粒体膜电位改变和细胞形态变化,而与抑制线粒体有关能量代谢的酶无直接关系。