不同拍攝模式對福建四種常見林業蛾類標本圖像識別的影響
來源:用戶上傳
作者:
摘要：以福建4種常見林業蛾類害蟲若干個體為拍攝樣本，獲取不同拍攝模式下的圖像數據，并采用MATLAB 2009軟件進行識別，比較分析不同拍攝模式對蛾類害蟲識別的影響。結果表明，①單反相機的快門速度對識別率有顯著影響（P<0.05），以1/2 000、1/4 000 s為最佳;但感光度（ISO）和光圈（f）大小對識別率沒有顯著影響（P>0.05）;②拍照設備中以單反相機的平均識別率最高，達93.3%，但3種設備對識別率沒有顯著性影響（P>0.05）;③不同的拍攝角度對識別率有顯著影響（P<0.05），其中以90°～120°拍攝效果最好，建議在實際應用中盡量將拍攝角度控制在90°～120°，以提高圖像質量和識別率。
關鍵詞：標本;蛾類成蟲;自動識別系統;識別率
中圖分類號：S763;TP399 文獻標識碼：A
文章編號：0439-8114（2019）08-0136-05
DOI：10.14088/j.cnki.issn0439-8114.2019.08.032 開放科學（資源服務）標識碼（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
在森林生態系統中，鱗翅目（Lepidoptera）蛾類昆蟲種類眾多，且大多是重要的林木害蟲，以食葉、蛀干等多種方式危害重要林木及城市觀賞樹種[1，2]，造成巨大經濟損失，嚴重制約了林業生態文明建設?？焖佟蚀_地鑒定蛾類成蟲不僅是長期困擾基層林業工作者的技術難題，也是了解蛾類害蟲生活習性并制定科學防治手段的基礎和前提。然而，傳統的分類鑒別技術常依賴于有限的專業技術人員和專業設備，且專業人員的從業經驗也對鑒定結果具有很大影響，無法滿足林業生產實踐對蛾類害蟲準確鑒定的巨大需求。同時，隨著計算機技術和互聯網及自媒體技術的日益發展，一些植物識別軟件如“花伴侶”“形色”等在公眾生活中廣受歡迎，為構建和推廣昆蟲物種快速鑒定技術提供了借鑒。
當前，計算機視覺技術迅速發展，并與傳統的昆蟲形態分類學進行有機結合，實現了昆蟲圖像數字化特征的提取[3]，使昆蟲圖像識別鑒定成為可能，即綜合應用計算機視覺、圖像特征數字化分析、模式識別、數據庫等相關學科技術，將大量昆蟲已知種類的形態和構造轉化為圖像數學形態特征，結合傳統分類學知識構建識別數據庫，并作為未知標本的自動、快速識別工具[4-6]。這不僅有利于將昆蟲分類這種專業性工作推向公眾，營造熱愛和保護昆蟲的氛圍，也有利于突破傳統分類學對于識別者的知識儲備、經驗積累的依賴，緩解人工識別的壓力。然而截至目前，科研工作者主要通過計算機軟件對昆蟲形態、骨架特征、翅顏色、翅脈等局部形態的數字特征進行識別鑒定，尚未加以推廣和應用，可能與昆蟲拍攝環境復雜、圖像提取困難等問題有關[6-8]。拍攝參數如感光度（ISO）、光圈值和快門速度，對于圖像的曝光度、景深和清晰度有重要影響。同時，隨著人們生活水平的提高，具有拍攝功能的智能手機、數碼相機、單反相機也日益普及，不同設備拍攝昆蟲圖像來源日益廣泛。此外，在實際的野外生境中，由于人類與昆蟲活動的隨機性，導致拍攝昆蟲的角度也可能各不相同。為此，以4種常見林業蛾類成蟲為拍攝對象，通過設置單反相機的參數梯度，使圖像呈現明暗不同的效果[9]，比較不同參數對圖像識別的影響;再分別選取不同類型設備、拍攝角度，模擬野外人蟲隨機相處的圖像攝取模式，分析、比較并驗證其對圖像識別的影響。研究結果旨在優化圖像拍攝技術，探索未來計算機圖像識別技術在常見林木蛾類害蟲的識別工作上應用，提高其識別鑒定效率、準確性和普遍適用性，從而構建一套集隨時拍照、機讀識別與快速準確鑒定于一體的自動識別數字圖像標本庫，服務林業基層害蟲測報及綜合治理。 1 材料與方法
1.1 標本樣品來源
以福建常見的4種林業蛾類成蟲馬尾松毛蟲（Dendrolimus punctatus Walker）、柳杉毛蟲（D. houi Lajonquiere）、榕透翅毒蛾（Perina nuda Fabricius）和茶蠶蛾（Andraca bipunctata Walker）為觀測和驗證對象，每種蛾類成蟲標本20頭，形態結構完整，姿態統一，保存完好，備拍。
1.2 不同拍攝參數對圖像識別的影響
先將昆蟲標本置于DEEP小型攝影棚（60 cm×60 cm×60 cm，LED光照度為12 000～13 000 lx）內的載物板（亞克力板模具斜面，表面貼白色泡沫板）上，標本頭部朝上、腹部朝下固定，全程使用單反相機（佳能EOS 70D）進行拍攝。單反相機利用三腳架固定，置于攝影棚開口處，調節其高度和角度，使鏡頭對準標本，感光度、光圈大小和快門速度依次按如下方式調節和拍攝：①感光度（ISO）分別設置為200、400、800、1 600、3 200、6 400，光圈大?。╢/5.6）和快門速度（1/2 000 s）保持不變;②光圈大小分別設置為f/5.6、f/8、f/11、f/16、f/22、f/32，快門速度（1/2 000 s）和ISO值（3 200）保持不變;③快門速度分別設置為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）保持不變（圖1）。
1.3 不同拍攝設備對圖像識別的影響
選用3種林業工作者日常使用的拍照設備，即單反相機（佳能EOS 70D，2 020萬像素）、數碼相機（佳能Powershot G12，1 000萬像素）和手機（華為榮耀V8，1 200萬像素），采用各自自動聚焦模式依次拍攝前述4種昆蟲的成蟲標本（圖2）。
1.4 不同拍攝角度對圖像識別的影響
僅采用單反相機（佳能EOS 70D），依次在30°、60°、90°、120°、150°條件下拍攝前述4種蛾類成蟲標本（圖3）。其他拍攝參數統一設置為ISO 1 600、光圈值f/5.6、快門速度1/1 000 s。
1.5 圖像識別與數據分析
將拍攝的圖像保存為JPG格式的圖像文件，基于Matlab@ R2016a識別系統（MathWorks公司）對所有圖像樣本進行識別。識別時將不同拍攝條件下的圖像樣本隨機分成5份，利用其中80%的樣本建立分類識別模型（建模樣本），剩余20%的樣本用作驗證模型（驗證樣本），重復5次。通過系統數學圖像分析識別，統計識別率（識別率=驗證樣本正確數/驗證樣本總數×100%）[10]。將識別率進行反正弦轉換，采用SPSS 20.0軟件進行單因素方差分析，比較分析3種拍攝參數對4種蛾類成蟲圖像識別的影響。
1.6 識別系統的可靠性驗證
根據識別結果，分別按圖像識別率高、中、低分成3個檔次，打亂順序后再重新運行系統識別10次，計算平均值、標準差及變異系數，以此分析判定該識別系統的可靠性。
2 結果與分析
2.1 不同拍攝參數對圖像識別的影響
不同拍攝參數對圖像識別的影響略有不同（表1）。其中，感光度發生變化時，識別率在90.0%～98.0%，總體識別率較高，但方差分析表明，不同感光度對圖像識別率無顯著影響（P>0.05）。從小到大改變光圈值大小時，圖像的清晰程度出現明顯變化，識別率為82.0%～93.0%，總體呈現先逐步上升后下降趨勢，其中以f/8、f/11圖片的清晰度最高，方差分析表明光圈大小對圖像識別率沒有顯著影響（P>0.05）。當快門速度值由低（1/250 s）變高（1/2 000 s）時，識別率逐漸上升直到100%;快門速度值繼續升高至1/4 000 s時，識別率仍然持續在最高水平;此后隨快門速度值繼續升高，識別率卻下降至92.0%（P<0.05）。當快門速度值較低時，進光速度慢、圖像吸收光線較少，形成圖像較暗，識別率也較低;增加快門速度值，可增加進光量，提升圖像質量，繼而使識別率提高;當快門速度值過高時，形成圖像過亮，識別率反而下降。因此，快門速度值過高或過低時，導致成像曝光或光線不足，識別率均較低。
2.2 不同拍攝設備對圖像識別的影響
不同設備（單反相機、數碼相機、手機）拍攝的4種蛾類圖像識別率都在80.0%以上（表2、圖4），均可用于蛾類成蟲的圖像拍攝。其中，不管拍攝哪種蛾類標本，單反相機都優于數碼相機和手機，手機略優于數碼相機，方差分析表明3者之間沒有顯著差異（P>0.05）。但值得注意的是，即使單反相機拍攝的圖像識別率總體較高，但僅在拍攝柳杉毛蟲和榕透翅毒蛾時識別率達到100.0%，拍攝馬尾松毛蟲和茶蠶蛾時識別率都低于90.0%，表明在自動對焦模式下，不同設備對不同種類的蛾類成蟲具有不同的拍攝效果。以專業性和識別率來看，單反相機應為首選，還要特別注意調節不同拍攝參數，否則難以發揮專業相機的優勢;但考慮到設備的實用性和普遍性，手機是最佳選擇。因此，在實際應用中，僅考慮圖像識別作為鑒定分類的輔助手段和初步鑒定參考，3種設備均可使用。
2.3 不同拍攝角度對圖像識別的影響
隨著拍攝角度從30°～150°增加，識別率呈先上升后降低的趨勢（表3、圖5）。當拍攝角度為90°、120°時，圖像識別率最高達100.0%;當拍攝角度為30°時，識別率最低，為93.8%。同時，角度的變化對不同種的蛾類具有不同的影響程度。其中，馬尾松毛蟲拍攝角度為30°、60°時，圖像識別率均為95.0%;當角度高于90°時，識別率高達100.0%;柳杉毛蟲拍攝角度變化時，其識別率均保持100.0%;榕透翅毒蛾蛾隨拍攝角度增加，其識別率增長趨勢與馬尾松毛蟲一致，當拍攝角度在90°以上時，其識別率也高達到100.0%;而茶蠶蛾拍攝在60°、150°時，其識別率較低，均為90.0%，其余角度識別率均達100.0%。因此，拍攝角度對蛾類成蟲識別率影響在總體上表現為較大的角度能獲取較高的識別率。拍攝角度小與垂直拍攝具有極大的差異性，角度越小，拍攝到成蟲的特征信息越少，極大地影響圖像識別。減少角度難以呈現成蟲完整翅的形態及翅上的特征，由此也可說明，該識別系統對于鱗翅目蛾類成蟲主要的識別部位在翅膀上。 2.4 識別系統的可靠性驗證
考慮到不同角度對識別率具有極顯著差異（P<0.01），且具有明顯的3個水平梯度。故選取拍攝角度作為系統可靠性驗證的數據源，分別以圖像總識別率最高（90°）、較高（150°）及最低（30°）的3組圖像，導入Matlab識別系統進行驗證。經10次運行，3組圖像的總識別率分別為100.0%、96.2%～98.8%、92.5%～97.5%，變異系數分別為0%、0.9%、2.0%，變異系數越小，穩定性越高，表明該識別系統運行可靠性高。
3 小結與討論
研究發現，單反相機的快門速度對蛾類圖像識別具有顯著影響，是蛾類圖像數據采集的關鍵因素之一;感光度、光圈的變化對蛾類圖像識別率不產生影響，是蛾類圖像數據采集的輔助因素。同時，3種不同設備拍攝的圖像的識別率均較高（大于85%），其中單反相機最高，彼此無顯著差異，表明其圖像均可用作蛾類鑒定的輔助手段。但在實際應用中，僅考慮圖像采集的方便程度。此外，不同拍攝角度對圖像識別率存在顯著差異，在90°～120°拍攝圖像識別率最高，建議在實踐工作中采用。
提高蛾類害蟲圖像識別率的關鍵在于提高圖像質量。就拍攝參數而言，提高昆蟲標本圖像質量的關鍵要處理好感光度（ISO）、光圈大小、快門速度三者的關系[9]，表明這3個參數的不同組合可能起到決定性作用，特別適合在不同場境棲息的昆蟲;而在野外昆蟲拍攝實踐中，光圈值一般應設置在較小的范圍（f/8），否則容易造成“景深太淺，難以拍到蟲體”，進一步表明光圈值也是蛾類圖像拍攝的重要參數，這與本研究得到的結果一致;當感光度、光圈、快門速度的組合越有利于蛾類成蟲圖像清晰度時，Matlab系統的識別率就越高。采用不同設備采集昆蟲圖像時，還需要注意聚焦等細節，否則容易發生誤判。無論使用哪種設備，拍攝者都必須盡可能把點聚焦于蟲體，但在具體操作時可能由于標本個體形態差異，或蟲體部位差異，比如多數蛾類的識別特征位于頭部或胸部、腹部，較容易形成局部對焦，卻難以形成完整而清晰的圖像;普通數碼相機像素較低（1 000萬像素），若拍攝體色較暗的、體型較小的蛾類成蟲時，因獲取的圖像質量相對較低而不宜采用。同時，不同角度會對圖像識別產生較大影響，因此建議以蛾類專業識別（鑒定到屬、種分類水平）為目的時，應盡量保持90°～120°進行拍攝;若以業余愛好識別（鑒定到科）為目的時，拍攝角度保持60°～150°不作嚴格要求，以提高圖像的拍攝質量和圖像清晰為準。同時，在成蟲標本圖像拍攝中，固定的支架有利于選取最佳拍攝角度，以方便拍攝、減小操作難度，但這對于非專業攝影的基層林業技術人員和農民來說，可操作性不強，難以推廣和應用。
當前，圖像自動識別技術的應用軟件開發和推廣還處于初級階段[11-14]，如何建立一套真正可適用于林業基層的圖像數字標本庫，以期實現穩定高效的自動識別，還需經過不懈的努力和考驗。未來應在以下方面開展深入研究：①提升識別系統的構建技術水平，應重點考慮將蛾類顏色、紋理、形狀、構造等特征進行綜合提取，組合成數學形態特征，作為蛾類分類依據;②區分不同科屬種類、雌雄個體時，應進一步驗證在不同圖像拍攝條件下對圖像識別的影響，以此優化圖像拍攝條件，不斷提高圖像數字標本庫的準確性;③針對近緣種、同種異型或異種同型等現實情況，可在模擬建立圖像數字標本庫的基礎上，持續收集更多的圖像樣本，構建并完善數字標本庫，以提高圖像識別的準確性和可靠性;④兼顧非專業人士在野外采集及制作昆蟲標本等方面技能缺乏的特點，考慮從蛾類生態照版庫中提取數學形態特征，作為圖像識別鑒定依據，大大降低昆蟲圖像獲取難度，提高其應用范圍。
參考文獻：
[1] 陳順立，林慶源，黃金聰.南方主要樹種害蟲綜合管理[M].福建廈門：廈門大學出版社，2003.
[2] 丁莉萍.福建園林植物病蟲害防治[M].北京：中國林業出版社，2014.
[3] 王江寧，紀力強.昆蟲圖像特征研究[J].山東大學學報（工學版），2011，41（2）：51-57.
[4] 南宮自艷，李 靜，白向賓.昆蟲分類學主要技術手段的研究進展[J].環境昆蟲學報，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] 竺樂慶，張大興，張 真.基于韋伯局部描述子和顏色直方圖的鱗翅目昆蟲翅圖像特征描述與種類識別[J].昆蟲學報，2015， 58（4）：419-426.
[8] 李小林，周蓬勃，周明全，等.基于可區分二進制局部模式特征的蛾類昆蟲識別[J].計算機應用與軟件，2016，33（3）：172-175.
[9] 劉 杰，姜玉英，趙友文，等.昆蟲標本的采集處理和微距攝影技術[J].農業工程，2015，5（4）：146-149.
[10] 蔡小娜，黃大莊，沈佐銳，等.蛾翅翅脈特征在夜蛾昆蟲數學分類學中的應用[J].中國農業大學學報，2015，20（5）：188-193.
[11] 黃世國.基于圖像的昆蟲識別關鍵技術研究[D].西安：西北大學，2008.
[12] 董學超.數學形態特征在夜蛾科昆蟲分類鑒定上的應用研究[D].河北保定：河北農業大學，2014.
[13] 蘇筱雨，蔡小娜，李 陽，等.利用翅的數學形態特征對8種金龜子進行分類鑒定[J].中國農業大學學報，2016，21（7）：61-66.
[14] 李 陽，沈佐銳，董學超，等.利用翅的數學形態特征對20種夜蛾進行分類鑒定的研究[J].中國農業大學學報，2016，21（9）：80-89.
收稿日期：2018-12-27
基金項目：國家重點研發項目（2017YFD0600105）;國家自然科學基金項目（31870641）;福建省科技廳引導性項目（2016N0002）;福建省高校產學研合作項目（2018N5101）;福建省林業科學研究項目（閩林科2017-3號）
作者簡介：盧賜鼎（1993-），男，福建廈門人，在讀碩士研究生，研究方向為森林保護工程，（電話）15880248285（電子信箱）940884233@qq.com;通信作者，梁光紅，副教授，博士，（電子信箱）fjlhg@126.com。
轉載注明來源:http://www.hailuomaifang.com/8/view-14895423.htm
