基于图像的无脊椎动物自动识别与生物量估计
计算机视觉与模式识别
2020-02-11 v1 机器学习
机器学习
摘要
理解生物群落如何应对环境变化是生态学与生态系统管理中的关键挑战。昆虫种群的明显衰退使得生物监测需求增加，但耗时的分类群排序与鉴定严重限制了可处理的昆虫样本数量。这进而影响了绘制无脊椎动物多样性图谱工作的规模。鉴于计算机视觉的近期进展，我们提议以基于图像的自动技术取代基于人类专家的常规人工排序与鉴定方法。我们描述了一种机器人赋能的基于图像的鉴定机器，可自动化无脊椎动物鉴定、生物量估计与样本排序流程。我们利用该成像设备生成了陆生节肢动物物种的综合图像数据库。我们使用该数据库测试分类准确率，即根据机器所拍摄图像预测标本物种身份的能力。我们还测试了分类准确率对相机设置（光圈与曝光时间）的敏感性，以尽可能获得最佳图像质量。我们采用最先进的 ResNet-50 与 InceptionV3 CNN 执行分类任务。初始数据集的结果非常有前景（）。该系统具有通用性，也可轻松用于其他无脊椎动物类群。因此，我们的结果为生成关于无脊椎动物丰度、多样性与生物量的时空变异的更多数据铺平了道路。
引用
@article{arxiv.2002.03807,
title = {Automatic image-based identification and biomass estimation of invertebrates},
author = {Johanna Ärje and Claus Melvad and Mads Rosenhøj Jeppesen and Sigurd Agerskov Madsen and Jenni Raitoharju and Maria Strandgård Rasmussen and Alexandros Iosifidis and Ville Tirronen and Kristian Meissner and Moncef Gabbouj and Toke Thomas Høye},
journal= {arXiv preprint arXiv:2002.03807},
year = {2020}
}