一个基于细粒度信息的Rhinolophus蝙蝠快速准确的识别模型
Zhong Cao1, Chuxian Li1, Kunhui Wang1
1School of Electronics and Communication Engineering, Guangzhou University, Guangzhou, 510006, China.
Scientific reports
|September 29, 2023
概括
人工智能使用深度学习快速识别马蝙蝠. 这项技术通过精细的面部特征来准确区分蝙蝠物种来改善保护.
科学领域:
- 生态与保护生物学 生态与保护生物学
- 野生动物管理中的人工智能
- 计算机视觉用于生物多样性评估
背景情况:
- 蝙蝠提供了重要的生态系统服务,需要精确的物种识别才能有效地保护.
- 传统的蝙蝠识别方法是手动的,耗时的,容易出错的.
- 人工智能 (AI) 的进步提供了快速准确识别细粒度图像的潜力,包括蝙蝠.
研究的目的:
- 开发和评估基于深度学习的模型,以快速准确地识别中国南部常见的马蝙蝠 (Rhinolophus物种).
- 利用人工智能克服手动蝙蝠识别的局限性,帮助保护工作.
- 研究深度学习模型中注意力机制的有效性,以捕捉蝙蝠物种识别关键的细粒度形态特征.
主要方法:
- 设计了一种深度学习模型,一种带有注意力机制的增强型EfficientNet.
- 该模型在2010年至2022年期间收集的7种Rhinolophus物种883张高分辨率图像的数据集上进行了训练和验证.
- 模型的性能与经典的深度学习架构 (SqueezeNet,AlexNet,VGG16_BN,ShuffleNetV2,GoogleNet,ResNet50,EfficientNet_B0) 进行了比较.
主要成果:
- 拟议的深度学习模型实现了94.22%的高识别精度和0.948.94的F1得分.
- 与其他经典模型相比,该模型在精度,回忆,准确性和F1分数方面表现出卓越的性能.
- 通过Grad-CAM可视化证实,该模型的识别标准与Rhinolophus蝙蝠的形态特征一致,表明计算复杂性较低.
结论:
- 深度学习,特别是注意力机制,显示出对像蝙蝠这样的小型哺乳动物的准确和高效识别有很大的潜力.
- 人工智能驱动的识别可以极大地促进物种的快速识别,支持关键的保护管理计划.
- 这项研究强调了人工智能在促进野生动物研究和蝙蝠和其他物种的保护实践方面的价值.
