典型文献
"世界有害实蝇自动识别系统2.0"的设计、构建及应用
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
陈小琳;王江宁;侯新文;王勇;周力兵;王书平
作者机构：
中国科学院动物研究所 北京 100101;中国科学院自动化研究所;昆明海关;上海海关
文献出处：
引用格式：
[1]陈小琳;王江宁;侯新文;王勇;周力兵;王书平-."世界有害实蝇自动识别系统2.0"的设计、构建及应用)[J].植物检疫,2022(06):26-36
A类：
AFIS2,BLAST+,Topl
B类：
实蝇,自动识别系统,构建及应用,昆虫,深度学习框架,Mask,图像分割,Discriminative,Deep,Metric,Learning,预训练,AlexNet,微调,取分,模板匹配法,图像分类,分类鉴别,内嵌,BOLD,接进,分子序列,序列比对,定比,权重融合,融合图像,分子识别,镶嵌,复核,菜单,操作流程,未来应用,应用和发展,经检测,识别率,列表,背板,背面,Top5,初步应用,搜索范围,决口,口岸,农林部,智能鉴定
AB值：
0.423498
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
