為解決大量紅外相機監(jiān)測影像數(shù)據(jù)量龐大、亟待快速和自動識別的問題,本研究以東北虎豹國家公園為例,應用卷積神經(jīng)網(wǎng)絡,通過深度學習算法對紅外相機影像實現(xiàn)物種自動識別。本研究選擇8個物種的紅外相機視頻影像,以50幀率均勻采集成圖片格式,每個物種篩選不同角度、不同環(huán)境條件的圖片,建立圖片數(shù)據(jù)集,包括訓練集2 074張,測試集519張。對圖片進行目標打框、類別標注,選用darknet框架下的YOLO v3模型進行訓練。首先不區(qū)分晝（RGB）夜（灰度）圖像進行訓練,再區(qū)分晝夜進行訓練,最后分別對晝夜圖像利用微調(diào)（fine-tune）進行訓練。研究初步結(jié)果顯示,基于YOLO v3模型對自然條件下拍攝的紅外相機圖像進行物種自動識別能夠一定程度減輕人力負擔,但其效果還需通過完善數(shù)據(jù)集進行提升。fine-tune在小數(shù)據(jù)集時或可作為輔助。模型對8個物種識別的平均精確率達到84.9%～96.0%,且模型收斂。 

【文章來源】：獸類學報. 2019,39(04)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

圖I邊稚<助頂山明加翻a側(cè)示意圖c叻dF的婦山，2!in)

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡的發(fā)展及其在計算機視覺領(lǐng)域中的應用綜述[J]. 陳超,齊峰.  計算機科學. 2019(03)
[2]基于ROI-CNN的賽罕烏拉國家級自然保護區(qū)陸生野生動物自動識別[J]. 劉文定,李安琪,張軍國,謝將劍,鮑偉東.  北京林業(yè)大學學報. 2018(08)
[3]蝴蝶種類自動識別研究[J]. 謝娟英,侯琦,史穎歡,呂鵬,景麗萍,莊福振,張軍平,譚曉陽,許升全.  計算機研究與發(fā)展. 2018(08)
[4]基于深度學習的蝴蝶科級標本圖像自動識別[J]. 周愛明,馬鵬鵬,席天宇,王江寧,馮晉,邵澤中,陶玉磊,姚青.  昆蟲學報. 2017(11)
[5]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[6]廣西貓兒山自然保護區(qū)的獸類和鳥類多樣性初步調(diào)查——基于紅外相機監(jiān)測數(shù)據(jù)[J]. 汪國海,李生強,施澤攀,王紹能,葉建平,周岐海.  獸類學報. 2016(03)
[7]紅外相機技術(shù)在我國野生動物研究與保護中的應用與前景[J]. 李晟,王大軍,肖治術(shù),李欣海,王天明,馮利民,王云.  生物多樣性. 2014(06)
[8]吉林琿春自然保護區(qū)東北虎和東北豹及其有蹄類獵物的多度與分布[J]. 肖文宏,馮利民,趙小丹,楊海濤,竇海龍,程艷超,牟溥,王天明,葛劍平.  生物多樣性. 2014(06)
[9]吉林琿春自然保護區(qū)東北虎及其獵物資源調(diào)查[J]. 陳九屹,那順得力格爾,孫全輝,張邐嘉,唐繼榮,郎建民,劉通,劉昆鵬,肖文宏,鮑偉東.  動物學雜志. 2011(02)
[10]景觀破碎化對東北虎主要獵物種群動態(tài)影響的模擬[J]. 國慶喜,王化儒,高梅香.  生態(tài)學報. 2010(01)

博士論文
[1]基于數(shù)字圖像的蝴蝶種類自動識別研究[D]. 李凡.北京林業(yè)大學 2015
[2]東北虎及其獵物種群監(jiān)測和人虎沖突研究[D]. 張常智.東北林業(yè)大學 2013



本文編號：3399706