"世界有害实蝇自动识别系统2.0"的设计、构建及应用

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

所属期刊栏目：36

分类号：S41(植物检疫)

资助基金：中国科学院战略性先导科技专项;国家自然科学基金;国家自然科学基金;国家重点研发计划

在线出版日期：2023-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：26-36