面向odonates的彩色提取管线：基于计算机视觉

昆虫形态特征与气候之间的相关性已在生理学研究中得到文献记载，但此类研究仍受限于数据分析的耗时性。在 particular，开源数据集常缺乏对物种形态特征的注释，使得专门的注释活动必要；这些努力通常在规模上是局部的且成本高昂。本文提出了一种用于识别和分割odonates（ dragonflies 和 damselflies）身体部位的管线，利用深度神经网络，其最终目标是提取身体部位的颜色。该管线在有限的注释数据集上进行训练，并通过伪监督数据进行细化。我们展示，通过利用来自公众科学平台的开源图像，我们的方法可以将每个可见主体（odonates）分割为头、胸甲、腹部和翅膀，然后为每个身体部位提取颜色调色板。这将使我们能够进行大规模统计分析生态相关性（例如颜色与气候变化、栖息地丧失或地理位置之间的关系），这些分析对于量化和评估生态系统生物多样性状态至关重要。