重庆师范大学 彭明杰

昆虫的有效识别是农林业病虫害防治的必要环节，也是研究和维护生态环境的重要前提。蜻蜓是一种理想型环境指示昆虫，蜻蜓的识别研究在环境检测和保护方面有着重要的现实意义。本文使用收集的处于生态环境中的蜻蜓数据集，采用多模态深度学习网络模型设计思路，构建了以SqueezeNet为主干分类网络的蜻蜓识别系统，识别准确率高于传统手工设计特征的算法，并且避免了传统算法只能识别标本图片的局限性。

昆虫的有效识别是农林业病虫害防治的必要环节，也是研究和维护生态环境的重要基础。蜻蜓是一种水陆两息的昆虫，因此是一种理想的环境指示昆虫，在环境检测和保护领域有着极其重要的研究价值。国内外均有蜻蜓识别相关的研究，但利用机器学习技术进行蜻蜓的自动识别研究还有欠缺。传统的蜻蜓识别方法是在生物学专家采集蜻蜓样本，通过观察蜻蜓的颜色形状和形态结构等特征后，进行人为设计的蜻蜓特征提取，然后与已有的模式照样本进行对照鉴定，从而判断出蜻蜓的种类。此类方法费时费力且依赖于蜻蜓识别知识的掌握，极大的限制了蜻蜓识别的普适性。同时其识别准确率也很低，并且只能识别标本图片，对处于生态环境下的蜻蜓没有识别能力。随着计算机视觉和机器学习技术的发展，利用神经网络来进行图像识别的方式在许多图像分类问题上已取得了很好的效果。……