[发明专利]一种基于CNN的鳞翅目昆虫种类自动鉴别方法

摘要

本发明涉及一种基于CNN的鳞翅目昆虫种类自动鉴别方法。本发明在预处理中对采集的昆虫标本图像去除背景，在此基础上计算出前景图像的最小包围盒，并由此裁剪出前景有效区域。使用Imagenet预训练深度学习神经网络模型来提取特征。分类识别分两种情况在样本量较充分时，通过微调网络结构，训练深度卷积神经网络(DCNN)分类层的参数，从而实现端到端的分类识别；对于样本数据集较小的情况，没有足够样本来训练DCNN参数，本发明选择使用适用于小样本集的χ2核SVM分类器实现分类识别。该鳞翅目昆虫图像识别方法具有操作简便、识别精度高、容错性强，并有理想的时间性能，可以显著提高鳞翅目昆虫种类鉴定的效率。

主权项

一种基于CNN的鳞翅目昆虫种类自动鉴别方法，其特征在于包括以下步骤：1)图像预处理预处理对采集的昆虫标本图像去除背景，并基于昆虫前景图像计算出昆虫的最小包围盒，由此剪切出前景有效区域。由于CNN模型的输入维度需固定，在CNN特征提取前先对剪切得到的图像进行尺度预处理。2)图像特征提取在图像特征提取时，先使用ImageNet预训练CNN模型(本发明选用AlexNet和VGG16两种CNN网络)，用训练好的特征提取层来提取具有代表性的特征。3)分类鉴别分类识别时，本发明分两种情况分别处理。在样本量较充分时，通过微调Imagenet预训练网络，训练优化深度卷积神经网络(DCNN)后三层的模型参数，来得到端到端的分类结果；对于样本数据集较小的情况，不适合用依赖于大样本学习的深度神经网络分类层的训练及调参。本发明选择跳过其分类层，训练适用于小样本的χ2核SVM分类器模型，最后进行分类识别。