应用迁移学习的图像中实蝇分类（双翅目：实蝇科）
计算机视觉与模式识别
2025-02-04 v1 人工智能
摘要
本研究开发了一个迁移学习模型，用于在受控实验室环境中对两种实蝇——南美按实蝇（Anastrepha fraterculus）和地中海实蝇（Ceratitis capitata）——进行自动分类。该研究旨在优化目前由专家手动进行的鉴定和分类工作，这项工作受人为因素影响且面临时间挑战。本研究的方法过程包括使用手机摄像头和立体显微镜捕获高质量图像，然后进行分割以减小尺寸并聚焦于相关的形态学区域。图像经过仔细标注和预处理，以确保用于训练预训练卷积神经网络模型VGG16、VGG19和Inception-v3的数据集的质量和一致性。使用F1分数评估结果，VGG16和VGG19达到82%，而Inception-v3的F1分数达到93%。通过在非受控环境中进行模型测试，并结合Grad-CAM技术，验证了Inception-v3的可靠性，证明了其捕获基本形态特征的能力。这些发现表明，Inception-v3是一种有效且可复现的分类南美按实蝇和地中海实蝇的方法，具有在自动化监测系统中实施的潜力。
引用
@article{arxiv.2502.00939,
title = {Fruit Fly Classification (Diptera: Tephritidae) in Images, Applying Transfer Learning},
author = {Erick Andrew Bustamante Flores and Harley Vera Olivera and Ivan Cesar Medrano Valencia and Carlos Fernando Montoya Cubas},
journal= {arXiv preprint arXiv:2502.00939},
year = {2025}
}
备注
15 pages and 19 figures