[发明专利]用于对昆虫进行视觉分类的预测模型

说明书

可以使用预测模型对昆虫进行定位和分类。开始，获得对应于昆虫的图像数据。使用预测模型对图像数据的样本进行评估以确定图像部分是否包括昆虫，并且如果包括昆虫，则确定昆虫应该被分类到什么类别(例如，雄性/雌性、物种A/物种B等)中。

相关申请的交叉引用

本申请涉及并要求保护2016年10月28日提交的、题为“USE OF MACHINE LEARNINGTO VISUALLY CLASSIFY INSECTS(使用机器学习对昆虫进行视觉分类)”的美国临时申请第62/414,597号的优先权，其全部内容通过引用并入本文。

背景技术

作为不育昆虫技术(Sterile Insect Technique，SIT)项目的一部分，昆虫可以被分类为雄性或雌性，并在被释放到野外之前被选择性的绝育。可以实施这样的项目来最小化或消除虫媒传染病和/或管理某些地区的昆虫种群(insect population)。取决于该项目，分类和绝育可以在昆虫发育的一个或多个阶段进行。

现有的分类方法多种多样。例如，一些方法试图使用非视觉属性(诸如翅拍频率)对雄性和雌性进行分类。其他方法依赖于视觉属性，诸如腹部大小和触角。视觉方法通常依赖于人类视觉地检查每个昆虫(或一批昆虫)并确定特定昆虫是雄性还是雌性(或该批昆虫是否包括可能污染(contaminate)一批雄性的雌性)。

近年来，计算机实施的视觉检查方法被应用于这个问题。这些方法通常依赖于经典的目标检测算法。然而，当对具有某些解剖学特性的特定昆虫种群进行分类时，使用这些算法可能会存在挑战。例如，成年蚊子在处于群组(group)中时通常聚集在一起，并且因为它们细长的躯体和长腿，可能难以区分一只蚊子和另一只蚊子，更不用说区分雄性和雌性了。

为了对一些昆虫种群(例如，蛾)进行分类，机器学习技术已被应用于自动分类。然而，这些方法还没有被证明对所有昆虫种群都是可靠的，至少因为它们依赖于使用启发式方法开发的训练数据以及它们不能对重叠的昆虫进行定位和分类，尤其是对那些像蚊子一样有细长的躯体和长腿的种群。

发明内容

描述了各种示例，包括与使用预测模型来对昆虫进行定位、分类和计数相关的系统、方法和设备。

一个或多个计算机的系统可以被配置为借由在系统上安装软件、固件、硬件、或它们的组合来执行特定的操作或动作，该软件、固件、硬件、或它们的组合在操作时使得系统执行动作。一个或多个计算机程序可以被配置为借由包括指令来执行特定的操作或动作，该指令在由数据处理装置执行时使得该装置执行动作。一个一般方面包括一种计算机实施的方法，包括：访问描绘表面上的多个昆虫的图像。该计算机实施的方法还包括将图像划分成多个图像分块(patch)。计算机实施的方法还包括使用预测模型确定多个图像分块中的多个昆虫中的各个昆虫的位置。计算机实施的方法还包括使用预测模型至少部分基于昆虫参数将各个昆虫分类到至少一个类别中。计算机实施的方法还包括至少部分基于各个昆虫的位置和至少一个类别从预测模型输出昆虫信息。该方面的其他实施例包括记录在一个或多个计算机存储设备上的相应计算机系统、装置和计算机程序，每个计算机系统、装置和计算机程序被配置为执行这些方法的动作。

一个一般方面包括一种系统，包括：成像设备，被配置为捕获由表面支持的昆虫的图像；计算设备，与成像设备通信，并且被配置为至少使得成像设备捕获表面的图像，该图像包括多个昆虫。计算设备还被配置为使用预测模型来确定图像中的多个昆虫中的各个昆虫的位置。计算设备还被配置为使用预测模型至少部分基于昆虫特性将各个昆虫分类到至少一个类别中。计算设备还被配置为至少部分基于各个昆虫的位置和至少一个类别从预测模型输出昆虫信息。该方面的其他实施例包括记录在一个或多个计算机存储设备上的相应计算机系统、装置和计算机程序，每个计算机系统、装置和计算机程序被配置为执行这些方法的动作。