【技术实现步骤摘要】
一种基于检材多视角形态图像和深度学习的生物鉴别方法
本专利技术属于图像识别
，特别涉及一种基于生物的多维图像的物种鉴别方法。
技术介绍
进出口检验检疫、自然环境科考、司法鉴定等场合中常常需对检材做出鉴别，鉴定检材中包括的生物的具体种属信息。现有技术中，为实现生物种属鉴别，通常采用的方法有形态学、血清学法、细胞学法以及生物化学法等，这些方法对检材的质量要求较高，且整个检品的制备过程相当复杂，对制备器材、制备环境以及制备人员的要求尤其高，且整个鉴定过程大部分为人工操作，整个操作流程十分繁复，重复性极高，对人工依赖程度非常高，整个鉴定过程效率相当低下。在进出口检验检疫、自然环境科考、司法鉴定等场合中，检材为具有完整外形的生物标本的情形十分常见，在对这些检材做出鉴别时，需要鉴别人员依赖以往的鉴定经验，查阅生物检索表或种属图鉴等专业资料，对比查找后才能最终得到种属鉴别结果，这个过程十分考验鉴定人员的知识储备，整个过程具有极强的经验主义。近年来，随着计算机技术的发展，深度学习以其高度的自主性、广泛的...
【技术保护点】
1.一种基于检材多视角形态图像和深度学习的生物鉴别方法，其特征在于，该鉴别方法包括有以下步骤：/nS1：建立模型：建立卷积神经网络预模型并进行预训练，得到合适可用的卷积神经网络模型，在卷积神经网络中内置标准生物特征数据库；/nS2：检材采样：处理检材并获取检材至少两个视角的外部形态图像；/nS3：特征提取：分别输入单张外部形态图像，卷积神经网络模型对其分别对应提取图像特征；/nS4：重复S3，直至提取完所有不同视角下获取到的外部形态图像对应的图像特征；/nS5：特征组合：组合每个图像特征得到组合特征；/nS6：比对鉴别：将组合特征与标准生物特征数据库进行比对，选取特征距离最...
【技术特征摘要】
1.一种基于检材多视角形态图像和深度学习的生物鉴别方法，其特征在于，该鉴别方法包括有以下步骤：
S1：建立模型：建立卷积神经网络预模型并进行预训练，得到合适可用的卷积神经网络模型，在卷积神经网络中内置标准生物特征数据库；
S2：检材采样：处理检材并获取检材至少两个视角的外部形态图像；
S3：特征提取：分别输入单张外部形态图像，卷积神经网络模型对其分别对应提取图像特征；
S4：重复S3，直至提取完所有不同视角下获取到的外部形态图像对应的图像特征；
S5：特征组合：组合每个图像特征得到组合特征；
S6：比对鉴别：将组合特征与标准生物特征数据库进行比对，选取特征距离最小的种属输出为鉴定结果。
2.如权利要求1所述的基于检材多视角形态图像和深度学习的生物鉴别方法，其特征在于，所述S1包括有以下子步骤：
S11：建立卷积神经网络预模型；
S12：对卷积神经网络预模型输入具有已知种属信息的生物图像对其进行训练；
S13：重复多次S12，使卷积神经网络预模型训练过程中从已知种属信息的生物图像自行学习，建立生物鉴别方法直至得到合适可用的卷积神经网络模型。
3.如权利要求2所述的基于检材多视角形态图像和深度学习的生物鉴别方法，其特征在于，所述S1还包括有：S14：在卷积神经网络预模型中，根据基于生物分类学的标准生物检索表建立对应的生物特征数据库。
4.如权利要求1所述的基于检材多视角形态图像和深度学习的生物鉴别方法，其特征在于，所述S2包括有以下子步骤：
S21：清洁检材，除去检材表面尘垢；
S22：对检材摄录其俯视视角、仰视视角以及侧视视角中至少两个视角的外部形态原始图像；
S23：对原始图像做白平衡处理，调整其尺寸大小，得到合适可用的外部形态图像作为样本图像。
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。