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%.     

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.     

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。     

基于颜色特征的昆虫自动鉴定方法

对昆虫实现自动鉴定是将相关专家从大量重复性的鉴定工作中解脱出来的最有效的方法之一。本章文着重论述昆虫自动鉴定系统鉴定的基本原理,开发步骤和使用昆虫自动鉴定系统进行自动鉴定的步骤,基于颜色特征的昆虫自动鉴定系统开发中在图像获取、颜色特征提取方面的难点和相应的解决方案。最后,经过测试开发出的基于颜色特征的蝴蝶自动鉴定系统在对43种蝴蝶的自动鉴定上取得了95.2%准确率。     

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。     

几何形态计量学在昆虫自动鉴定中的应用与展望

几何形态计量学着重研究的是生物形态的拓扑结构信息,不受标本大小和形状变化的影响,是进行昆虫自动鉴定的一个新的手段。本文首先介绍了传统形态计量学和几何形态计量学两种昆虫自动鉴定的方法,并着重介绍了轮廓分析法和标志点分析法等几何形态计量学的分析方法,以及目前开发的几何形态计量学昆虫自动鉴定软件,简述了该方法应用于昆虫自动鉴定的工作流程,最后对几何形态计量学在昆虫自动鉴定方面的未来发展进行了展望。     

试论昆虫种类鉴定的准确性

昆虫分类学有３个主要的任务：（１）鉴定昆虫种类;（２）研究昆虫的区系;（３）探索昆虫的自然系统发育。这３项工作既相互联系,又有各自的侧重点。鉴定昆虫种类的核心问题是识别昆虫是哪一个种,它的正确学名（有效名）是什么。在许多类似的昆虫中区别它们是否为同一个种。１物种概念是昆虫鉴定的指导思想物种是什么？依据什么来确定一个物种？这是昆虫鉴定最基本的问题。这一概念的理解对鉴定工作有着最直接的影响。昆虫种类鉴定就是在这一概念指导下进行的。物种的定义有很多,花保祯博士曾在其博士论文中例举了最具代表性的一些定义…     

慈竹叶蝉类害虫DNA条形码分析

叶蝉类昆虫形态结构多样,在农林生态系统的物种多样性和植物保护工作中扮演着重要角色,但其物种的准确鉴定一直是农林植保工作中的难点。DNA条形码技术极大促进了农林生态系统物种的快速、准确鉴定。本研究经过连续2年的野外调查采集慈竹Bambusa emeiensis主要叶蝉种类,扩增了广泛分布于中国慈竹的12种主要叶蝉类害虫的线粒体基因COⅠ和16S rRNA序列片段,并进行了遗传距离、系统发育及矢量Klee-diagram图分析。结果显示:慈竹叶蝉昆虫COⅠ基因序列片段(590 bp)种内遗传距离为0.004,种间遗传距离为0.283;16S rRNA基因序列片段(463 bp)种内遗传距离为0.003,种间遗传距离为0.257;不同种间存在明显的条形码间隔。2个基因序列片段的分子系统发育分析结果与形态学研究谱系关系一致。Klee-diagram图分析结果和分子系统发育结果一致。上述结果表明,COⅠ和16S rRNA基因适用于慈竹叶蝉类昆虫的物种鉴定,可为竹林叶蝉类昆虫的准确快速鉴定提供参考方法。     

新世纪的中国昆虫系统学

对未来我国昆虫系统学在能力建设、物种编目、理论研究、技术创新和国际合作等方面提出一系列建议。在昆虫系统学能力建设方面,政府和科学家应该在生物分类学能力评估、基础硬件建设、各级生物标本馆中建立伙伴关系（包括标本采集、标本馆管理、 科学研究、 知识共享和标本与资料交换）等方面重点开展工作。在物种编目方面,我国的昆虫物种编目有赖于各级政府和机构继续关注标本的收集和保藏,继续启动一些考察项目,以满足发现和认识昆虫物种的实际需求。在物种水平上研究以往昆虫系统学家的工作,进行地区性和世界性的昆虫类群的订正更是非常必要的。在理论研究方面,我国昆虫系统应该在下列方面积极探索：物种概念、进化理论、比较生物学理论和高级分类系统研究。在技术创新方面,我国的昆虫系统学家应该在数据库与网络技术应用、图形图像处理技术、专家鉴定系统技术、分类性状分析技术、分子生物学技术、系统发育推断程序、信息统一管理技术和知识传播技术等方面进行深入研究,以满足昆虫系统学的发展需求。在国际合作方面,要进一步推动我国昆虫系统学研究机构加入生物分类学全球战略联盟、加入各种相关国际相关组织,要促进物种信息管理系统的建立与共享,要推动研究项目国际化。     

DNA条形码试剂盒检测技术在大小蠹属种类鉴定中的应用

[目的]DNA条形码技术已成为生物分类鉴定的有力工具.DNA条形码技术的相关问题,如物种种内和种间的遗传距离出现重叠区域,将直接影响到物种鉴定的准确性.我们应用DNA条形码试剂盒检测技术来快速、准确地鉴定口岸截获的检疫性大小蠹属种类.[方法]针对大小蠹昆虫设计引物以提高PCR扩增效率.运用自主研发的基因条码分析软件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,应用于物种鉴定.[结果]使用针对大小蠹属昆虫设计的引物成功扩增出325 bp的COI基因片段.将大小蠹属12种昆虫的COI基因片段上的核苷酸诊断位点的组合作为物种的鉴定特征,可以准确地区分近似种.通过比对植物检疫鉴定系统数据库里的鉴定特征,将6个大小蠹属的未知样品成功鉴定到种(核苷酸序列一致性为100％),与形态鉴定结果一致.[结论]结果表明DNA条形码试剂盒检测技术可以准确鉴定大小蠹属的种类.该检测技术可以应用于其他经济重要性有害生物的检测鉴定.     

Automating insect identification: exploring the limitations of a prototype system

Automated identification systems based on computer image analysis technology provide an attractive, but as yet unexploited potential solution to the growing burden of routine species identifications presently faced by a dwindling community of expert taxonomists. DAISY (the Digital Automated Identification SYstem) is a prototype novel automated identification system, developed to explore this possibility. In its pilot phase, the DAISY algorithms were developed to discriminate five species of parasitic wasp, based on differences in their wing structure. Here, again using wing form, the ability of DAISY to discriminate amongst an order of magnitude more species – 49 species of closely related biting midges is examined. In so doing an attempt is made to establish a set of basic 'benchmark' tests of the efficacy, and weaknesses, of such an automated identification system.     

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。     

Automated species identification: why not?

Where possible, automation has been a common response of humankind to many activities that have to be repeated numerous times. The routine identification of specimens of previously described species has many of the characteristics of other activities that have been automated, and poses a major constraint on studies in many areas of both pure and applied biology. In this paper, we consider some of the reasons why automated species identification has not become widely employed, and whether it is a realistic option, addressing the notions that it is too difficult, too threatening, too different or too costly. Although recognizing that there are some very real technical obstacles yet to be overcome, we argue that progress in the development of automated species identification is extremely encouraging that such an approach has the potential to make a valuable contribution to reducing the burden of routine identifications. Vision and enterprise are perhaps more limiting at present than practical constraints on what might possibly be achieved.     

Performance of an analytical, dual infrared-beam, stored-product insect monitoring system

A system is described for automated monitoring of pest insects in stored grain. It provides quantitative data indicative of the species of detected insects and is self-calibrating to maintain reliable operation over time across adverse environmental and biological conditions. The system uses electronic grain probes, each with a dual infrared-beam sensor head providing orthogonal views of falling insects. Sensor analog signals are analyzed by an embedded microprocessor, and extracted waveform parameters are transmitted back to a central computer. Filtering algorithms recognize and eliminate false detections due to extraneous (nonfalling) insect activities and provide an indication of species based on body size. Laboratory test data provide species identification templates and an analysis of Montana field test data acquired in aerated and nonaerated bins demonstrates the effectiveness of the filtering algorithms. The described system technology has been licensed by OPIsystems, Inc., Calgary, Alberta, Canada, and is commercially available as Insector.     

Artificial intelligence in pest insect monitoring

Abstract Global problems of hunger and malnutrition induced us to introduce a new tool for semi‐automated pest insect identification and monitoring: an artificial neural network system. Multilayer perceptrons, an artificial intelligence method, seem to be efficient for this purpose. We evaluated 101 European economically important thrips (Thysanoptera) species: extrapolation of the verification test data indicated 95% reliability at least for some taxa analysed. Mainly quantitative morphometric characters, such as head, clavus, wing, ovipositor length and width, formed the input variable computation set in a Trajan neural network simulator. The technique may be combined with digital image analysis.     

Machine vision automated species identification scaled towards production levels

Computer‐automated identification of insect species has long been sought to support activities such as environmental monitoring, forensics, pest diagnostics, border security and vector epidemiology, to name just a few. In order to succeed, an automated identification programme capable of addressing the needs of the end user should be able to classify hundreds of taxa, if not thousands, and is expected to distinguish closely related and hence morphologically similar species. However, it remains unknown how automated identification methods might handle an increase in data quantity, be it in reference imagery or taxonomic diversity. We sought to test the scalability of an automated identification method in terms of the number of reference specimens used to train the classifier and the number of taxa into which the classifier should assign unknown specimens. Is there an optimal number of reference images, where the cost of acquiring more images becomes greater than the marginal increase in identification success? Does increasing taxonomic diversity affect identification success, whether negatively or positively? In order to test the scalability of the automated insect identification enterprise, we used a sparse processing technique and support vector machine to test the largest dataset to date: 72 species of fruit flies (Diptera: Tephritidae) and 76 species of mosquitoes (Diptera: Culicidae). We found that: (i) machine vision methods are capable of correctly classifying large numbers of closely related species; (ii) when the misclassification of a specimen occurs at the species level, it is often classified in the correct genus; (iii) classification success increases asymptotically as new training images are added to the dataset; (iv) broad taxon sampling outside a focal group can increase classification success within it.     

昆虫数学形态学研究及其应用展望

数学形态学是用数学方法描述或分析一个物体图象的形状的理论和方法,是图象处理和图象识别技术的发展,但在生物学当中的应用还很有限。本文介绍了一个新的分支学科——昆虫数学形态学,包括三方面的内容：①昆虫数学形态学技术研究,涉及昆虫图象数字化技术和昆虫图象处理与识别技术;②昆虫数学形态学理论研究,主要以昆虫图象的解释和理解研究及昆虫数学形态学与分类学等学科的关系研究为主;③昆虫和昆虫数学形态学应用基础研究,涉及昆虫数学形态学数据库及其分析软件开发,昆虫图象的机器学习和计算机视觉等内容。昆虫数学形态学理论和方法与计算机视觉技术相结合,在害虫虫情监测、昆虫多媒体专家系统的构建等方面具有广阔的应用前景。