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。