论文部分内容阅读
本论文做了两个专题的研究：(1)利用计算机模式识别技术,编程研发了基于轮廓特征和色斑特征的昆虫自动识别系统；(2)利用php网页编程技术,构建了网络版的昆虫图文检索查询系统。基于轮廓的昆虫自动识别系统：该系统以7种蝶角蛉为研究对象,将翅的轮廓采用椭圆傅里叶描述子,转化为一系列参数,作为特征数据。应用支持向量机(support vector machine, SVM)的原理与算法,通过对一定数量的样本进行训练,构建了模式识别分类器,并利用遗传算法(GA)对参数进行优化。5次随机抽样的识别准确率为90%-98%,平均准确率达到94%。分成亚科后的自动识别准确率达到99%。基于色斑的昆虫自动识别系统：以4种蝶角蛉为研究对象,将翅的方位及大小进行标准化处理,采用翅面分割法定位翅上的斑纹,对子区域进行HSV颜色空间转换,并对得到的三维向量值做非均匀量化处理,最后取子区域处理后的均值实现降维,并作为建模输入值。试验比较了通过SVM以及Adaboost算法构建模型的准确率,其中SVM对4种蝶角蛉单种识别准确率为90%-100%；通过Adaboost算法对4种蝶角蛉单种识别准确率均达到100%。网络版昆虫检索查询系统：以蝶角蛉为例,利用PHP网络编程技术及MYSQL数据库,构建了蝶角蛉图文链接式检索表和地理查询系统。该系统实现了形态特征图像的方便调用,放大,及便捷可视的地理分布信息查询。本研究以平台开发为目标,两类系统(昆虫自动鉴定系统、昆虫图文检索与查询系统)都已将繁琐的算法及编程工作封装成软件包,昆虫分类学家只需根据昆虫分类学的专业知识,就可以利用此平台,尝试构建以昆虫的轮廓或颜色为识别特征的,不同昆虫类群的自动鉴定系统,或以纸质检索表、形态特征图片、地理分布信息为基础,构建不同昆虫的图文检索查询系统。昆虫分类学家还可根据学科的发展,利用此平台不断修订、补充和完善这个系统。