植物检疫2022，Vol.36Issue(6) ：26-36.DOI:10.19662/j.cnki.issn1005-2755.2022.00.031

"世界有害实蝇自动识别系统2.0"的设计、构建及应用

An introduction to the design,construction and application of"The Automated Fruit Fly Identifica-

陈小琳 王江宁 侯新文 王勇 周力兵 王书平
植物检疫2022，Vol.36Issue(6) ：26-36.DOI:10.19662/j.cnki.issn1005-2755.2022.00.031
✕
  • NETL
  • NSTL
  • 万方数据

"世界有害实蝇自动识别系统2.0"的设计、构建及应用

An introduction to the design,construction and application of"The Automated Fruit Fly Identifica-

陈小琳 1王江宁 1侯新文 2王勇 1周力兵 3王书平4
扫码查看

作者信息

  • 1. 中国科学院动物研究所 北京 100101
  • 2. 中国科学院自动化研究所
  • 3. 昆明海关
  • 4. 上海海关
  • 折叠

摘要

实蝇作为一类十分重要的经济类昆虫,其快速和准确鉴定一直是困惑各国植检,以及农林等部门的重要难题."世界有害实蝇自动识别系统2.0"(AFIS2.0),针对实蝇科8属83种,基于深度学习框架,利用Mask-R-CNN模型对图像分割校准,根据Discriminative Deep Metric Learning原理,对预训练的AlexNet模型进行微调提取分割后特征,采用模板匹配法对图像分类鉴别;基于内嵌BLAST+程序及外源BOLD链接进行分子序列比对;依据固定比例权重融合图像及分子识别结果,构建集成镶嵌翅、胸、腹及分子信息的在线实蝇科自动识别系统.其主要包括数据输入、预处理、自动识别、结果显示及物种复核五模块.此外,本文还对"世界有害实蝇自动识别系统2.0"的主界面、功能菜单、主操作流程及一些其它功能进行了介绍,讨论了影响AFIS2.0识别准确度的因素,总结了主要特点,展望了未来应用和发展前景.经检测翅图像最佳识别率(识别结果列表中的Topl物种)达90％,翅、中胸背板和腹部背面图像的Top5平均识别率为94％.初步应用结果表明,可一定程度减少有害实蝇鉴定所需的搜索范围和鉴定时间,部分解决口岸及农林部门有害实蝇物种的自动鉴定和识别问题.

关键词

世界有害实蝇自动识别系统2.0/深度学习/图像/分子序列/智能鉴定

引用本文复制引用

基金项目

中国科学院战略先导专项(XDA19050203)

国家自然科学基金(32170444)

国家自然科学基金(31672325)

国家重点研发计划(2017YFC1200601)

出版年

2022
植物检疫
中国检验检疫科学研究院

植物检疫

CSTPCD
影响因子：0.498
ISSN：1005-2755
参考文献量2
段落导航相关论文