【摘  要】2019年12月，华盛顿州农业部确认胡蜂出现在美国本土，这一生物入侵现象对经济、社会、生态和公共卫生等方面都是一场无情的灾难。本文遵循“观察规律-实践应用-合理预测”的框架，收集了关于该黄蜂的其他各类情报和详细信息，提出了一系列新颖的模型来辅助政府机构把握这种新生物的时空传播规律并应对生物入侵时繁杂的处理工作。本文致力于解决美国农业部处理混乱而频繁的目击报告时的两大困境——人工识别图像成本过高和处理工作的随意性和盲目性大。我们使用bootstrap抽样方法解决了图片正负样本不均衡的问题，将调整后的图像数据输入经过特殊调参的卷积神经网络中，得到了良好的图像识别效果，准确度达99%以上。且着眼于评价的角度，结合图像为正面的概率、距离和活跃时间段这三个指标，使用熵权法赋予权重配以模糊综合评价，按实际危机程度划分出了四个目击报告处理等级，处理等级越高，就越优先处理。

【关键词】生物入侵;图像识别;卷积神经网络;熵权法

引言

2019年12月，华盛顿州农业部确认胡蜂出现在美国本土，这一生物入侵现象对社会各个层面和职能机构都是一场无情的灾难。在经济方面，美国每年投入到生物入侵的成本估计超过1000亿元，近期一些研究表明，单这种亚洲大黄蜂的控制费用在美国就高达3140万美元。生物入侵的一个典型后果就是破坏生态系统正常运行和生物多样性，甚至经常成为压死濒临灭绝的物种的最后一根稻草。……