用于昆虫分类的低成本机器视觉
计算机视觉与模式识别
2024-04-29 v1 机器学习
摘要
保护昆虫的数量和多样性是我们社会在环境可持续性领域最重要的目标之一。实现这一目标的先决条件是进行系统化且规模化的监测，以便发现相关性并制定对策。因此，使用活体陷阱进行自动化监测非常重要，但迄今为止，尚无系统能够提供具有足够详细信息的图像数据以用于昆虫学分类。在这项工作中，我们提出了一种成像方法，作为多传感器系统的一部分，该系统被开发为一个低成本、可扩展的开源系统，可适应传统的陷阱类型。图像质量满足了分类学树上分类的要求。为此，我们优化了照明和分辨率，并抑制了运动伪影。该系统在一个由 16 种昆虫组成的数据集上进行了评估，这些昆虫属于相同的或不同的属、科和目。我们证明，像 ResNet50（在 iNaturalist 数据上预训练）或 MobileNet 这样的标准 CNN 架构在重新训练后能很好地完成预测任务。较小的定制 CNN 也取得了有希望的结果。分类准确率达到了 。此外，还证明了对于具有高类间相似性的物种，昆虫的图像裁剪是分类所必需的。
引用
@article{arxiv.2404.17488,
title = {Low Cost Machine Vision for Insect Classification},
author = {Danja Brandt and Martin Tschaikner and Teodor Chiaburu and Henning Schmidt and Ilona Schrimpf and Alexandra Stadel and Ingeborg E. Beckers and Frank Haußer},
journal= {arXiv preprint arXiv:2404.17488},
year = {2024}
}