基于图像识别的有害生物检疫鉴定探索研究

编号 zgly0001719806

文献类型 期刊论文

文献题名 基于图像识别的有害生物检疫鉴定探索研究

作者 孙佳佳  吕飞  雷晨曦  尚岩峰  熊惠霖 

作者单位 太仓海关  上海交通大学电子信息与电气工程学院 

母体文献 植物检疫 

年卷期 2020年05期

年份 2020 

分类号 S41 

关键词 有害生物  图像识别  深度学习  卷积神经网络  鉴定 

文摘内容 外来有害生物的鉴定一直是口岸检疫工作的重点,而对品种繁多的有害生物在种属层级进行准确识别则是检验检疫工作的难点,最新的计算机图像识别技术提供了解决这一问题的一种可行的途径。本文利用深度卷积网络的层次分类模型,对进口木材中经常截获的70种典型物种共9 681张图片在科,属,种这3个分类层级上进行了识别鉴定,在1 936张图片的测试中,模型在科,属,种上对70类有害生物的平均识别精度分别为97.71%,95.85%和86.92%。实验结果证明了模型对生物图像的学习能力,以及利用生物图像识别口岸有害生物的可行性。