基于计算机视觉的无脊椎动物生物量估算
计算机视觉与模式识别
2026-03-09 v1
摘要
仅使用图像估算无脊椎动物生物量的能力有助于扩大定量生物多样性监测工作的规模。基于计算机视觉的方法有潜力省去手动、耗时且具有破坏性的标本干重称量过程。我们提出了两种干重估算方法，除了对标本成像外，不需要额外的手动工作：一种是用新颖的预测因子拟合线性模型，这些预测因子由成像设备自动计算；另一种是训练一系列用于该任务的端到端深度神经网络，使用单视图、多视图和元数据感知架构。我们建议使用面积和沉降速度作为预测因子。这些可以通过BIODISCOVER计算，这是一个双摄像头系统，用于捕获标本在乙醇柱中沉降的图像序列。在本研究中，我们收集了一个大型的干重测量和图像序列对数据集，用于训练和评估模型。我们表明，即使标本形态复杂且视觉多样，我们的方法也能估算其干重。结合自动分类学分类，我们的方法是一种准确的群体水平干重估算方法，个体的中位数百分比误差为10-20%。我们强调了选择适当评估指标的重要性，并鼓励同时使用百分比误差和绝对误差作为指标，因为它们衡量不同的属性。我们还探索了用于训练深度学习模型的不同优化损失、数据增强方法和模型架构。
引用
@article{arxiv.2603.06362,
title = {Computer vision-based estimation of invertebrate biomass},
author = {Mikko Impiö and Philipp M. Rehsen and Jarrett Blair and Cecilie Mielec and Arne J. Beermann and Florian Leese and Toke T. Høye and Jenni Raitoharju},
journal= {arXiv preprint arXiv:2603.06362},
year = {2026}
}