|
|||||
|
|
| 实蝇科果实蝇属昆虫数字图像自动识别系统的构建和测试 | |
| 引用本文： | 张蕾,陈小琳,侯新文,刘成林,樊利民,汪兴鉴.实蝇科果实蝇属昆虫数字图像自动识别系统的构建和测试[J].昆虫学报,2011,54(2):184-196. |
| 作者姓名： | 张蕾 陈小琳 侯新文 刘成林 樊利民 汪兴鉴 |
| 作者单位： | 1. 北京邮电大学自动化学院,北京,100876 2. 中国科学院动物研究所动物进化与系统学院重点实验室,北京,100101 3. 中国科学院自动化研究所模式识别国家重点实验室,北京,100190 |
| 基金项目： | 模式识别国家重点实验室开放课题，国家科技基础条件平台工作重点项目子项目，国家自然科学基金，国家基础科学人才培养基金(中国科学院动物研究所动物分类学特殊学科点) |
| 摘 要： | 针对双翅目实蝇科果实蝇属昆虫的自动识别，本文提出利用翅及中胸背板图像的局部二进制模式（local binary pattern, LBP）特征，采用Adaboost算法， 设计和开发“实蝇科果实蝇属昆虫数字图像自动识别系统”（Automated Fruit fly Identification System-Bactrocera, AFIS-B）。该系统包括图像采集、图像裁剪、预处理、特征提取、分类器设计、识别和显示，共7个模块。研究结果表明： LBP特征可以有效鉴别实蝇科果实蝇属昆虫；在对实蝇科果实蝇属8个种的测试中， 该系统表现出较高的准确性和稳定性，平均识别率可达80%以上。此外，还对果实蝇属昆虫翅膀及中胸背板图像在光照不均匀、姿态扭曲、样本受损及样本量大小等不同条件下的识别率进行了试验测试。结果表明， 该系统对测试样本的光照不均匀、 姿态扭曲和样本受损都表现出良好的鲁棒性，正确识别率与训练集样本各个种数量在一定条件下明显正相关，与训练集样本物种总量负相关。该项研究为实蝇科有害昆虫自动识别系统的构建及实际应用提供了理论、 方法及基础数据的支撑， 亦可为其他昆虫自动识别系统的研究和构建提供有益借鉴。 关键词： |
| 关 键 词： | 实蝇科 果实蝇属 数字图像 LBP特征 Adaboost算法 自动识别系统 |
Construction and testing of Automated Fruit Fly Identification System-Bactrocera Macquart (Diptera: Tephritidae) |
|
| ZHANG Lei,CHEN Xiao-Lin,HOU Xin-Wen,LIU Cheng-Lin,FAN Li-Min,WANG Xing-Jian.Construction and testing of Automated Fruit Fly Identification System-Bactrocera Macquart (Diptera: Tephritidae)[J].Acta Entomologica Sinica,2011,54(2):184-196. | |
| Authors: | ZHANG Lei CHEN Xiao-Lin HOU Xin-Wen LIU Cheng-Lin FAN Li-Min WANG Xing-Jian |
| Institution: | ZHANG Lei1,CHEN Xiao-Lin2,HOU Xin-Wen3,LIU Cheng-Lin3,FAN Li-Min1,WANG Xing-Jian2(1.School of Automation,Beijing University of Posts and Telecommunications,Beijing 100876,China,2.Key Laboratory of Zoological Systematics and Evolution,Institute of Zoology,Chinese Academy of Sciences,Beijing 100101,3.The National Laboratory of Pattern Recognition,Institute of Automation,Beijing 100190,China) |
| Abstract: | Based on Local Binary Pattern(LBP)features of wing and scutum images and the improved Adaboost algorithm,we developed Automated Fruit Fly Identification System-Bactrocera,AFIS-B for automatic identification of Bactrocera Macquart(Diptera:Tephritidae).The system consists of seven modules,which includes image acquisition,image cropping,image preprocessing,feature extraction,classifier design,taxa identification and outcome display.The results showed that LBP features are effective to the automatic identificat... |
| Keywords: | Tephritidae Bactrocera digital image LBP feature Adaboost algorithm automatic identification system |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《昆虫学报》浏览原始摘要信息 | |
| 点击此处可从《昆虫学报》下载免费的PDF全文 | |