不同拍摄模式对福建四种常见林业蛾类标本图像识别的影响

来源:用户上传      作者:

　　摘要：以福建4种常见林业蛾类害虫若干个体为拍摄样本，获取不同拍摄模式下的图像数据，并采用MATLAB 2009软件进行识别，比较分析不同拍摄模式对蛾类害虫识别的影响。结果表明，①单反相机的快门速度对识别率有显著影响（P<0.05），以1/2 000、1/4 000 s为最佳;但感光度（ISO）和光圈（f）大小对识别率没有显著影响（P>0.05）;②拍照设备中以单反相机的平均识别率最高，达93.3%，但3种设备对识别率没有显著性影响（P>0.05）;③不同的拍摄角度对识别率有显著影响（P<0.05），其中以90°～120°拍摄效果最好，建议在实际应用中尽量将拍摄角度控制在90°～120°，以提高图像质量和识别率。
　　关键词：标本;蛾类成虫;自动识别系统;识别率
　　中图分类号：S763;TP399         文献标识码：A
　　文章编号：0439-8114（2019）08-0136-05
　　DOI：10.14088/j.cnki.issn0439-8114.2019.08.032           开放科学（资源服务）标识码（OSID）：
　　Abstract： This study was performed to figure out the impact of shooting models on moth recognition based on images of hundred of specimens from four common forest moths in Fujian province. All specimens images were taken and collected under different shooting mode， and recognized and analyzed by using MATLAB 2009 and statistical software. The results showed that： ① The shutter speed of the SLR camera had a significant impact on the recognition rate （P<0.05）， with 1/2000s or 1/4000s as the best shutter speed， however， the sensitivity （ISO） and aperture （f） size had no significant influence on the recognition rate （P>0.05）. ② The recognition rate of SLR （93.3%） camera was the highest among three cameras， but there were not remarkable impact of different three cameras on the recognition rate （P>0.05）. ③ There was a significant influence on recognition rate among different shooting angles （P<0.05）， and the angles range from 90°to 120° were the best. Consequently， to improve the image quality and the recognition rate， we suggested operator try to use shooting angles from  90°to 120°， combining the shutter speed and angles together. This research is supposed to lay a foundation for the optimization， application and promotion of moths image recognition technology in the future.
　　Key words： specimen;moths;automatic recognition system;recognition rate
　　在森林生态系统中，鳞翅目（Lepidoptera）蛾类昆虫种类众多，且大多是重要的林木害虫，以食叶、蛀干等多种方式危害重要林木及城市观赏树种[1，2]，造成巨大经济损失，严重制约了林业生态文明建设。快速、准确地鉴定蛾类成虫不仅是长期困扰基层林业工作者的技术难题，也是了解蛾类害虫生活习性并制定科学防治手段的基础和前提。然而，传统的分类鉴别技术常依赖于有限的专业技术人员和专业设备，且专业人员的从业经验也对鉴定结果具有很大影響，无法满足林业生产实践对蛾类害虫准确鉴定的巨大需求。同时，随着计算机技术和互联网及自媒体技术的日益发展，一些植物识别软件如“花伴侣”“形色”等在公众生活中广受欢迎，为构建和推广昆虫物种快速鉴定技术提供了借鉴。
　　当前，计算机视觉技术迅速发展，并与传统的昆虫形态分类学进行有机结合，实现了昆虫图像数字化特征的提取[3]，使昆虫图像识别鉴定成为可能，即综合应用计算机视觉、图像特征数字化分析、模式识别、数据库等相关学科技术，将大量昆虫已知种类的形态和构造转化为图像数学形态特征，结合传统分类学知识构建识别数据库，并作为未知标本的自动、快速识别工具[4-6]。这不仅有利于将昆虫分类这种专业性工作推向公众，营造热爱和保护昆虫的氛围，也有利于突破传统分类学对于识别者的知识储备、经验积累的依赖，缓解人工识别的压力。然而截至目前，科研工作者主要通过计算机软件对昆虫形态、骨架特征、翅颜色、翅脉等局部形态的数字特征进行识别鉴定，尚未加以推广和应用，可能与昆虫拍摄环境复杂、图像提取困难等问题有关[6-8]。拍摄参数如感光度（ISO）、光圈值和快门速度，对于图像的曝光度、景深和清晰度有重要影响。同时，随着人们生活水平的提高，具有拍摄功能的智能手机、数码相机、单反相机也日益普及，不同设备拍摄昆虫图像来源日益广泛。此外，在实际的野外生境中，由于人类与昆虫活动的随机性，导致拍摄昆虫的角度也可能各不相同。为此，以4种常见林业蛾类成虫为拍摄对象，通过设置单反相机的参数梯度，使图像呈现明暗不同的效果[9]，比较不同参数对图像识别的影响;再分别选取不同类型设备、拍摄角度，模拟野外人虫随机相处的图像摄取模式，分析、比较并验证其对图像识别的影响。研究结果旨在优化图像拍摄技术，探索未来计算机图像识别技术在常见林木蛾类害虫的识别工作上应用，提高其识别鉴定效率、准确性和普遍适用性，从而构建一套集随时拍照、机读识别与快速准确鉴定于一体的自动识别数字图像标本库，服务林业基层害虫测报及综合治理。 　　1  材料与方法
　　1.1  标本样品来源
　　以福建常见的4种林业蛾类成虫马尾松毛虫（Dendrolimus punctatus Walker）、柳杉毛虫（D. houi Lajonquiere）、榕透翅毒蛾（Perina nuda Fabricius）和茶蚕蛾（Andraca bipunctata Walker）为观测和验证对象，每种蛾类成虫标本20头，形态结构完整，姿态统一，保存完好，备拍。
　　1.2  不同拍摄参数对图像识别的影响
　　先将昆虫标本置于DEEP小型摄影棚（60 cm×60 cm×60 cm，LED光照度为12 000～13 000 lx）内的载物板（亚克力板模具斜面，表面贴白色泡沫板）上，标本头部朝上、腹部朝下固定，全程使用单反相机（佳能EOS 70D）进行拍摄。单反相机利用三脚架固定，置于摄影棚开口处，调节其高度和角度，使镜头对准标本，感光度、光圈大小和快门速度依次按如下方式调节和拍摄：①感光度（ISO）分别设置为200、400、800、1 600、3 200、6 400，光圈大小（f/5.6）和快门速度（1/2 000 s）保持不变;②光圈大小分别设置为f/5.6、f/8、f/11、f/16、f/22、f/32，快门速度（1/2 000 s）和ISO值（3 200）保持不变;③快门速度分别设置为1/250、1/500、1/1 000、1/2 000、1/3 200、1/8 000 s，光圈大小（f/5.6）和ISO值（1 600）保持不变（图1）。
　　1.3  不同拍摄设备对图像识别的影响
　　选用3种林业工作者日常使用的拍照设备，即单反相机（佳能EOS 70D，2 020万像素）、数码相机（佳能Powershot G12，1 000万像素）和手机（华为荣耀V8，1 200万像素），采用各自自动聚焦模式依次拍摄前述4种昆虫的成虫标本（图2）。
　　1.4  不同拍摄角度对图像识别的影响
　　仅采用单反相机（佳能EOS 70D），依次在30°、60°、90°、120°、150°条件下拍摄前述4种蛾类成虫标本（图3）。其他拍摄参数统一设置为ISO 1 600、光圈值f/5.6、快门速度1/1 000 s。
　　1.5  图像识别与数据分析
　　将拍摄的图像保存为JPG格式的图像文件，基于Matlab@ R2016a识别系统（MathWorks公司）对所有图像样本进行识别。识别时将不同拍摄条件下的图像样本随机分成5份，利用其中80%的样本建立分类识别模型（建模样本），剩余20%的样本用作验证模型（验证样本），重复5次。通过系统数学图像分析识别，统计识别率（识别率=验证样本正确数/验证样本总数×100%）[10]。将识别率进行反正弦转换，采用SPSS 20.0软件进行单因素方差分析，比较分析3种拍摄参数对4种蛾类成虫图像识别的影响。
　　1.6  识别系统的可靠性验证
　　根据识别结果，分别按图像识别率高、中、低分成3个档次，打乱顺序后再重新运行系统识别10次，计算平均值、标准差及变异系数，以此分析判定该识别系统的可靠性。
　　2  结果与分析
　　2.1  不同拍摄参数对图像识别的影响
　　不同拍摄参数对图像识别的影响略有不同（表1）。其中，感光度发生变化时，识别率在90.0%～98.0%，总体识别率较高，但方差分析表明，不同感光度对图像识别率无显著影响（P>0.05）。从小到大改变光圈值大小时，图像的清晰程度出现明显变化，识别率为82.0%～93.0%，总体呈现先逐步上升后下降趋势，其中以f/8、f/11图片的清晰度最高，方差分析表明光圈大小对图像识别率没有显著影响（P>0.05）。当快门速度值由低（1/250 s）变高（1/2 000 s）时，识别率逐渐上升直到100%;快门速度值继续升高至1/4 000 s时，识别率仍然持续在最高水平;此后随快门速度值继续升高，识别率却下降至92.0%（P<0.05）。当快门速度值较低时，进光速度慢、图像吸收光线较少，形成图像较暗，识别率也较低;增加快门速度值，可增加进光量，提升图像质量，继而使识别率提高;当快门速度值过高时，形成图像过亮，识别率反而下降。因此，快门速度值过高或过低时，导致成像曝光或光线不足，识别率均较低。
　　2.2  不同拍摄设备对图像识别的影响
　　不同设备（单反相机、数码相机、手机）拍摄的4种蛾类图像识别率都在80.0%以上（表2、图4），均可用于蛾类成虫的图像拍摄。其中，不管拍攝哪种蛾类标本，单反相机都优于数码相机和手机，手机略优于数码相机，方差分析表明3者之间没有显著差异（P>0.05）。但值得注意的是，即使单反相机拍摄的图像识别率总体较高，但仅在拍摄柳杉毛虫和榕透翅毒蛾时识别率达到100.0%，拍摄马尾松毛虫和茶蚕蛾时识别率都低于90.0%，表明在自动对焦模式下，不同设备对不同种类的蛾类成虫具有不同的拍摄效果。以专业性和识别率来看，单反相机应为首选，还要特别注意调节不同拍摄参数，否则难以发挥专业相机的优势;但考虑到设备的实用性和普遍性，手机是最佳选择。因此，在实际应用中，仅考虑图像识别作为鉴定分类的辅助手段和初步鉴定参考，3种设备均可使用。
　　2.3  不同拍摄角度对图像识别的影响
　　随着拍摄角度从30°～150°增加，识别率呈先上升后降低的趋势（表3、图5）。当拍摄角度为90°、120°时，图像识别率最高达100.0%;当拍摄角度为30°时，识别率最低，为93.8%。同时，角度的变化对不同种的蛾类具有不同的影响程度。其中，马尾松毛虫拍摄角度为30°、60°时，图像识别率均为95.0%;当角度高于90°时，识别率高达100.0%;柳杉毛虫拍摄角度变化时，其识别率均保持100.0%;榕透翅毒蛾蛾随拍摄角度增加，其识别率增长趋势与马尾松毛虫一致，当拍摄角度在90°以上时，其识别率也高达到100.0%;而茶蚕蛾拍摄在60°、150°时，其识别率较低，均为90.0%，其余角度识别率均达100.0%。因此，拍摄角度对蛾类成虫识别率影响在总体上表现为较大的角度能获取较高的识别率。拍摄角度小与垂直拍摄具有极大的差异性，角度越小，拍摄到成虫的特征信息越少，极大地影响图像识别。减少角度难以呈现成虫完整翅的形态及翅上的特征，由此也可说明，该识别系统对于鳞翅目蛾类成虫主要的识别部位在翅膀上。 　　2.4  识别系统的可靠性验证
　　考虑到不同角度对识别率具有极显著差异（P<0.01），且具有明显的3个水平梯度。故选取拍摄角度作为系统可靠性验证的数据源，分别以图像总识别率最高（90°）、较高（150°）及最低（30°）的3组图像，导入Matlab识别系统进行验证。经10次运行，3组图像的总识别率分别为100.0%、96.2%～98.8%、92.5%～97.5%，变异系数分别为0%、0.9%、2.0%，变异系数越小，稳定性越高，表明该识别系统运行可靠性高。
　　3  小结与讨论
　　研究发现，单反相机的快门速度对蛾类图像识别具有显著影响，是蛾类图像数据采集的关键因素之一;感光度、光圈的变化对蛾类图像识别率不产生影响，是蛾类图像数据采集的辅助因素。同时，3种不同设备拍摄的图像的识别率均较高（大于85%），其中单反相机最高，彼此无显著差异，表明其图像均可用作蛾类鉴定的辅助手段。但在实际应用中，仅考虑图像采集的方便程度。此外，不同拍摄角度对图像识别率存在显著差异，在90°～120°拍摄图像识别率最高，建议在实践工作中采用。
　　提高蛾类害虫图像识别率的关键在于提高图像质量。就拍摄参数而言，提高昆虫标本图像质量的关键要处理好感光度（ISO）、光圈大小、快门速度三者的关系[9]，表明这3个参数的不同组合可能起到决定性作用，特别适合在不同场境栖息的昆虫;而在野外昆虫拍摄实践中，光圈值一般应设置在较小的范围（f/8），否则容易造成“景深太浅，难以拍到虫体”，进一步表明光圈值也是蛾类图像拍摄的重要参数，这与本研究得到的结果一致;当感光度、光圈、快门速度的组合越有利于蛾类成虫图像清晰度时，Matlab系统的识别率就越高。采用不同设备采集昆虫图像时，还需要注意聚焦等细节，否则容易发生误判。无论使用哪种设备，拍摄者都必须尽可能把点聚焦于虫体，但在具体操作时可能由于标本个体形态差异，或虫体部位差异，比如多数蛾类的识别特征位于头部或胸部、腹部，较容易形成局部对焦，却难以形成完整而清晰的图像;普通数码相机像素较低（1 000万像素），若拍摄体色较暗的、体型较小的蛾类成虫时，因获取的图像质量相对较低而不宜采用。同时，不同角度会对图像识别产生较大影响，因此建议以蛾类专业识别（鉴定到属、种分类水平）为目的时，应尽量保持90°～120°进行拍摄;若以业余爱好识别（鉴定到科）为目的时，拍摄角度保持60°～150°不作严格要求，以提高图像的拍摄质量和图像清晰为准。同时，在成虫标本图像拍摄中，固定的支架有利于选取最佳拍摄角度，以方便拍摄、减小操作难度，但这对于非专业摄影的基层林业技术人员和农民来说，可操作性不强，难以推广和应用。
　　當前，图像自动识别技术的应用软件开发和推广还处于初级阶段[11-14]，如何建立一套真正可适用于林业基层的图像数字标本库，以期实现稳定高效的自动识别，还需经过不懈的努力和考验。未来应在以下方面开展深入研究：①提升识别系统的构建技术水平，应重点考虑将蛾类颜色、纹理、形状、构造等特征进行综合提取，组合成数学形态特征，作为蛾类分类依据;②区分不同科属种类、雌雄个体时，应进一步验证在不同图像拍摄条件下对图像识别的影响，以此优化图像拍摄条件，不断提高图像数字标本库的准确性;③针对近缘种、同种异型或异种同型等现实情况，可在模拟建立图像数字标本库的基础上，持续收集更多的图像样本，构建并完善数字标本库，以提高图像识别的准确性和可靠性;④兼顾非专业人士在野外采集及制作昆虫标本等方面技能缺乏的特点，考虑从蛾类生态照版库中提取数学形态特征，作为图像识别鉴定依据，大大降低昆虫图像获取难度，提高其应用范围。
　　参考文献：
　　[1] 陈顺立，林庆源，黄金聪.南方主要树种害虫综合管理[M].福建厦门：厦门大学出版社，2003.
　　[2] 丁莉萍.福建园林植物病虫害防治[M].北京：中国林业出版社，2014.
　　[3] 王江宁，纪力强.昆虫图像特征研究[J].山东大学学报（工学版），2011，41（2）：51-57.
　　[4] 南宫自艳，李  静，白向宾.昆虫分类学主要技术手段的研究进展[J].环境昆虫学报，2014，36（6）：1004-1010.
　　[5] WEEKS P J D，O'NEILL M A，GASTON K J，et al. Automating insect identification：Exploring the limitations of a prototype system[J].Journal of applied entomology，2003，123（1）：1-8.
　　[6] RATNIEKS F L W，SCHRELL F，REBECCA C S，et al. Data reliability in citizen science：Learning curve and the effects of training method，volunteer background and experience on identification accuracy of insects visiting ivy flowers[J].Methods in ecology and evolution，2016，7（10）：1226-1235.
　　[7] 竺乐庆，张大兴，张  真.基于韦伯局部描述子和颜色直方图的鳞翅目昆虫翅图像特征描述与种类识别[J].昆虫学报，2015， 58（4）：419-426.
　　[8] 李小林，周蓬勃，周明全，等.基于可区分二进制局部模式特征的蛾类昆虫识别[J].计算机应用与软件，2016，33（3）：172-175.
　　[9] 刘  杰，姜玉英，赵友文，等.昆虫标本的采集处理和微距摄影技术[J].农业工程，2015，5（4）：146-149.
　　[10] 蔡小娜，黄大庄，沈佐锐，等.蛾翅翅脉特征在夜蛾昆虫数学分类学中的应用[J].中国农业大学学报，2015，20（5）：188-193.
　　[11] 黄世国.基于图像的昆虫识别关键技术研究[D].西安：西北大学，2008.
　　[12] 董学超.数学形态特征在夜蛾科昆虫分类鉴定上的应用研究[D].河北保定：河北农业大学，2014.
　　[13] 苏筱雨，蔡小娜，李  阳，等.利用翅的数学形态特征对8种金龟子进行分类鉴定[J].中国农业大学学报，2016，21（7）：61-66.
　　[14] 李  阳，沈佐锐，董学超，等.利用翅的数学形态特征对20种夜蛾进行分类鉴定的研究[J].中国农业大学学报，2016，21（9）：80-89.
　　收稿日期：2018-12-27
　　基金项目：国家重点研发项目（2017YFD0600105）;国家自然科学基金项目（31870641）;福建省科技厅引导性项目（2016N0002）;福建省高校产学研合作项目（2018N5101）;福建省林业科学研究项目（闽林科2017-3号）
　　作者简介：卢赐鼎（1993-），男，福建厦门人，在读硕士研究生，研究方向为森林保护工程，（电话）15880248285（电子信箱）940884233@qq.com;通信作者，梁光红，副教授，博士，（电子信箱）fjlhg@126.com。
转载注明来源:https://www.xzbu.com/8/view-14895423.htm