一种基于改进的ResNet50算法对森林害虫的Tomicus分类的新方法
Caiyi Li1, Quanyuan Xu2,3, Ying Lu4,5
1College of Big Data and Intelligent Engineering, Southwest Forestry University, Kunming, 650224, China.
Scientific reports
|March 21, 2025
概括
一个新的AI模型,DEMNet,使用图像准确识别Tomicus甲虫物种. 这种快速有效的工具通过克服传统识别方法的挑战,有助于森林害虫管理.
科学领域:
- 林业科学 林业科学
- 昆虫学 昆虫学是一门学科.
- 计算机科学 计算机科学
背景情况:
- 托米库斯甲虫是重要的林业害虫,在中国云南省等地区造成严重破坏.
- 由于形态上的差异很小,以及传统方法的局限性,难以准确识别Tomicus物种.
- 需要快速,高效和准确的Tomicus分类模型,特别是对于非专家而言.
研究的目的:
- 开发一种新且高效的分类模型,用于识别云南省主要的Tomicus物种.
- 为了应对困难的形态识别和耗时的传统方法所带来的挑战.
主要方法:
- 使用手持式显微镜收集了四种主要的Tomicus物种 (T. yunnanensis,T. minor,T. brevipilosus,T. armandii) 的6371张高分辨率图像.
- 开发了一个新的Tomicus分类模型,DEMNet,基于改进的ResNet50架构.
- 评估了DEMNet与ResNet50的性能,使用关键指标,如准确性,参数数量和推断速度.
主要成果:
- 德姆网的分类准确度达到92.8%,超过了ResNet50.
- DEMNet显著降低了参数数量90% (至1.6M),同时提高了准确度9.5%.
- 该模型拥有每张图像0.1193秒的快速推断速度.
结论:
- DEMNet是一种轻量级,高精度的模型,适合在嵌入式设备上部署,用于实时识别害虫.
- 开发的模型为改进Tomicus害虫管理策略提供了显著的潜力.
- DEMNet提供了一个可行的解决方案,用于准确有效地识别森林害虫.
