深度学习下的病媒蚊虫分类

摘要：

蚊虫是多种疾病的传播媒介,对病媒蚊虫的监测是预防蚊媒疾病的关键,针对传统病媒蚊虫的人工鉴定方法成本较高且效率低下,提出深度学习下的病媒蚊虫分类方法,基于迁移学习,微调(fine-tuning)ResNet18、DenseNet121、MobileNetV2这3种ImageNet预训练模型,在900张少量蚊虫数据集下采用K折交叉验证,对埃及伊蚊、白纹伊蚊、库蚊3种蚊虫进行分类,评估模型性能,平均峰值准确率分别达到了 95％、97％、97％.最后,利用在900张蚊虫数据集下重新训练后的模型,对344张蚊虫图像进行预测,其中轻量化模型MobileNetV2达到了最高0.95的精准率(precision)、召回率(recall)、F1 score.结合3种模型的最终预测准确率,得出轻量化的模型MobileNetV2在少量数据集下表现更优.实验改变了以往的模型微调方式,通过设置模型分类层学习率为前层学习率的10倍,与前人实验相比,对白纹伊蚊的预测准确率提高了 5％-6％,解决了少量数据样本的训练收敛问题,进一步拓展了病媒蚊虫识别的适用环境.

关键词：蚊虫分类、深度学习、迁移学习、ImageNet、K折交叉验证、卷积神经网络

所属期刊栏目：32

分类号：TP391;TP193;TP751

资助基金：海南省自然科学基金项目822RC713

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：234-243