用于自动化视觉蛾类监测的深度学习流水线：昆虫定位与物种分类
计算机视觉与模式识别
2023-07-31 v1
摘要
生物多样性监测对于追踪和抵消种群波动中的不利趋势至关重要。然而，自动识别系统迄今很少被应用，专家手动评估所生成的大量数据。与其他领域（如广告或娱乐）相比，特别是在生物多样性研究中，深度学习方法对视觉监测的支持尚未确立。在本文中，我们提出了一个深度学习流水线，用于分析由蛾类扫描仪捕获的图像，该扫描仪是 AMMOD 项目内开发的蛾类物种自动化视觉监测系统。我们首先用蛾类检测器定位个体，随后用分类器确定所检测昆虫的物种。我们的检测器达到了高达 99.01% 的平均精度均值，我们的分类器在描绘单只昆虫的图像裁剪上以 93.13% 的准确率区分 200 个蛾类物种。将两者结合在我们的流水线中，将蛾类扫描仪图像中物种识别的准确率从 79.62% 提高到 88.05%。
引用
@article{arxiv.2307.15427,
title = {Deep Learning Pipeline for Automated Visual Moth Monitoring: Insect Localization and Species Classification},
author = {Dimitri Korsch and Paul Bodesheim and Joachim Denzler},
journal= {arXiv preprint arXiv:2307.15427},
year = {2023}
}