摘要
实蝇科昆虫很多种类是世界性的重要检疫性有害生物.实蝇的快速准确识别对于保护国门生物安全、促进我国农产品出口具有重要意义.本研究建立了一种基于深度学习的实蝇图像智能识别方法,针对实蝇科昆虫的翅图像特征,以桔小实蝇、南瓜实蝇、瓜实蝇、具条实蝇4种实蝇(每种250头共1000头)为例,通过标本制作与图像采集、图像预处理、创建数据集训练物体检测模型等模块不断调整优化实现对实蝇图像的自动识别.结果 表明在图像色阶参数90/1/220,通过百度Easy DL平台Paddle Paddle深度学习框架结合Auto Model Search训练图像分类模型,选择超高精度算法、高级训练配置epoch并使用数据增强策略进行模型训练时识别准确率达95％以上.本方法具有操作简单、准确率高、可扩展性强等特性,通过智能手机拍摄待测样本输入系统即可进行准确识别,可应用于果蔬园实蝇监测、出入境口岸实蝇检疫以及昆虫科普教育等场景,并可为其他昆虫自动识别研究提供有益借鉴.
NETL
NSTL
维普
万方数据