|
|||||
|
|
| 基于卷积神经网络的昆虫和杂草标本智能全维识别方法初探 | |
| 作者姓名： | 汪莹 刘静远 吕文刚 龙海 刘宵宵 余道坚 方毅 郑铭森 张浩 陈冬美 高瑞芳 |
| 作者单位： | 1. 深圳海关动植物检验检疫技术中心;2. 上海海关;3. 佛山海关;4. 深圳市检验检疫科学研究院;5. 汕头海关;6. 南京海关 |
| 基金项目： | 深圳市科技计划项目（JSGG20210901145407021）; |
| 摘 要： | 本文应用卷积神经网络技术研发了有害生物全维形态特征库和识别模型,采用激光合成干涉成像技术对100种昆虫和杂草标本进行全维高清特征进行信息获取,并进行全维整体轮廓特征和局部形态学特征识别。经过深度学习后测试识别结果,整理统计后得出该模型算法识别标本的正确率在86%～98%范围内,识别的正确率随着学习训练的样本数量增多而提高。表明卷积神经网络模型对标本的学习能力较好,利用全维立体识别技术对昆虫和杂草的鉴定具有可行性。 |
| 关 键 词： | 卷积神经网络 深度学习 激光合成干涉成像技术 外部整体轮廓特征 外部局部形态特征 昆虫 杂草 鉴定 |