教授
发布时间：2023-08-02
点击次数：
| 影响因子： | 1.59 |
| DOI码： | 10.16380/j.kcxb.2023.06.007 |
| 所属单位： | 长江大学计算机科学学院 |
| 发表刊物： | 昆虫学报 |
| 刊物所在地： | 北京 |
| 项目来源： | 国家自然科学基金（62276032） |
| 关键字： | 橘小实蝇,梳理行为,目标检测,行为识别,深度学习,TSM模型 |
| 摘要： | 【目的】昆虫梳理行为的统计分析和研究对害虫控制和人类健康非常重要，针对传统的人工记录梳理行为的方法费时费力且易出错，提出了一种基于计算机视觉和深度学习的橘小实蝇Bactrocera dorsalis梳理行为检测和识别方法。【方法】首先将橘小实蝇视频数据进行图像处理得到帧图像，筛选其中3 000张图像作为训练数据集；建立YOLO V7目标检测算法来检测视频数据中的橘小实蝇目标个体，框选中目标后通过视频处理算法进行裁剪；最后通过迁移学习方法将预训练权重迁移到训练模型中，利用基于非局部注意力改进的时间转换模块(temporal shift module, TSM)深度学习模型识别橘小实蝇的7种梳理行为(前足梳理、头部梳理、前中足梳理、中后足梳理、后足梳理、翅梳理以及静止)。【结果】橘小实蝇原始视频数据集通过YOLO V7目标检测算法训练的准确率为99.2%，召回率为99.1%。本研究算法处理后的视频数据集通过基于非局部注意力模块改进的TSM模型识别和统计梳理行为，最终平均准确率达到了97%以上，标准偏差低于3%。与其他4种深度学习模型(I3D, R2+1D, SlowFast和Timesformer)对比，本研究方法的准确率最高提升了9.76%，保证了橘小实蝇梳理行为检测和识别的准确率和正确性。【结论】本研究提出的方法大大减少了人工观察的时间，同时保证了橘小实蝇梳理行为识别的准确性，为研究昆虫行为提供了新的思路和方法，为智慧农业的现代化发展添砖加瓦。 |
| 合写作者： | 何章章, 汤建涛, 姜振宇, 孙泳 |
| 第一作者： | 刘虎 |
| 论文类型： | 期刊论文 |
| 通讯作者： | 詹炜 |
| 论文编号： | 20260830-008 |
| 学科门类： | 工学 |
| 一级学科： | 计算机科学与技术 |
| 文献类型： | 期刊 |
| 卷号： | 66 |
| 期号： | 6 |
| 页面范围： | 787-796 |
| ISSN号： | 0454-6296 |
| CN号： | 11-1832/Q |
| 发表时间： | 2023-08-02 |
