【技术实现步骤摘要】
本专利技术涉及图像识别领域，尤其涉及一种丝光绿蝇电子标本的制作及其识别方法。
技术介绍
1、在现代生物学研究和病媒生物监控领域，对各种昆虫尤其是病媒生物如丝光绿蝇的准确识别和研究至关重要。丝光绿蝇，作为一种常见的病媒生物，对公共卫生具有重要影响。传统上，丝光绿蝇的研究依赖于实物标本的收集和显微观察，这不仅耗时耗力，而且由于标本的脆弱性和保存条件的限制，难以进行长期的保存和广泛的分享。
2、随着科技的发展，数字化技术在生物学研究中的应用越来越广泛，其中包括利用高清摄影技术和三维扫描技术制作电子标本。这种方法不仅能够更好地保存和共享生物标本，还能提供更加细致和全面的观察。然而，现有的电子标本制作技术仍面临一些挑战，如标本细节捕捉不足、图像质量受光照条件影响较大、以及在识别过程中难以区分高度相似的物种等问题。
3、我国专利申请号：cn202310787231.0，公开日：2023.08.01，公开了一种标本的自动识别管理方法、装置、设备及存储介质，用于实现血液标本的智能管理并提高血液标本的出入库管理准确率。方法包括：对目标医护人员进行用户权限识别，得到用户权限信息；对基本参数信息和用户权限信息进行用户权限校验，得到权限校验结果；对目标血液标本进行标签信息读取，得到标本加密信息，并根据权限校验结果，对目标血液标本进行出库操作；对标本加密信息进行信息解密，得到目标标本信息，并采集标本理化信息；将目标标本信息和标本理化信息输入标本信息检测模型进行标本信息检测，得到标本信息检测结果。
4、但本申请专利技术人
技术实现思路
1、本申请实施例通过提供一种丝光绿蝇电子标本的制作及其识别方法，解决了现有技术在电子标本的细节展示上通常不足，电子标本可能无法精确地捕捉到微观特征和细节，尤其是在不同观测角度和高倍率下的特征，限制了对丝光绿蝇等生物标本细节的全面了解和准确识别；无法有效地同时处理标本的全局和局部特征，导致识别过程中的信息损失，从而影响识别准确性；缺乏有效的色彩校正手段，导致图像在色彩上的不真实和不一致；无法有效区分高度相似的物种，特别是在微观特征上；在处理大量图像数据和进行复杂模型训练时，常常受限于计算资源，影响了处理效率和模型的性能，尤其是在需要处理大规模数据的情况下。实现了丝光绿蝇电子标本的高精度制作及其高效准确的自动识别，通过先进的图像处理、深度学习技术和三维扫描，显著提升了标本的细节展示和识别精度。
2、本专利技术的一种丝光绿蝇电子标本的制作及其识别方法具体包括以下技术方案：
3、s1：对丝光绿蝇进行焦距包围式拍摄和局部鉴别特征拍摄，制作电子标本；
4、s2：开发一个基于卷积神经网络的深度学习模型，训练识别丝光绿蝇电子标本的关键特征；
5、s3：引入基于深度学习的色彩校正网络，消除光照调整可能导致的颜色失真，最终的图像不仅色彩准确，而且细节丰富，视觉效果自然；
6、s4：采用高精度的三维扫描技术来捕捉丝光绿蝇的实体标本，提高电子模型真实性，开发特征聚焦网络，区分高度相似的物种，提高识别准确性。
7、所述步骤s2具体包括：
8、基于卷积神经网络的深度学习模型通过两个独立但协同工作的流程同时处理全局特征(如整体形状、色彩分布)和局部特征(如细节纹理、独特标记)，在训练过程中，先对全局特征流进行训练，再对局部特征流进行训练，最后进行联合优化，以实现对电子标本的高效和准确识别。
9、所述步骤s2具体包括：
10、基于卷积神经网络的深度学习模型采用双流结构，分别处理全局特征和局部特征；全局特征处理分支被设计为具有较大的感受野，能够捕捉丝光绿蝇电子标本的整体形状和色彩分布等宏观信息；而局部特征处理分支则专注于捕捉细节纹理和独特标记等微观特征，它采用较小的卷积核和更深的网络结构，以提高对这些微观细节的敏感度和识别能力。
11、所述步骤s2具体包括：
12、在基于卷积神经网络的深度学习模型的训练过程中，采用了一种交替训练策略，这是为了最大化两个分支的学习效果和协同作用；开始时，单独训练全局特征处理分支以学习电子标本的全局特征，随后训练局部特征处理分支以捕捉更精细的局部特征；在这两个分支分别得到充分训练后，执行联合优化步骤，这一步骤通过融合两个分支的输出，进一步调整网络参数，以达到更高的识别准确率。
13、所述步骤s3具体包括：
14、在拍摄丝光绿蝇标本时，实施动态光照系统，能够根据环境光线自动调整光照强度和方向；通过实时监测图像的亮度和对比度，自动调节光照条件，确保每张图片都具有最佳的视觉质量；在算法层面上，采用了pid(比例-积分-微分)控制器原理，用于实现精准的光照调节。
15、所述步骤s3具体包括：
16、在光谱感知层，色彩校正网络模型首先对输入的丝光绿蝇电子标本图像进行小波变换，模拟不同波长的光谱对图像色彩的影响，不同波长的光照会在微观层面上改变图像的色彩表现；
17、在色彩转换矩阵层中，根据光谱感知层的输出动态调整图像的色彩；在维持图像细节的同时调整其整体色彩，使之更加接近自然状态。
18、所述步骤s3具体包括：
19、在深度纹理识别层中，进一步强调了图像中的细节和纹理，保证在进行色彩校正的同时，图像的细节部分不会丢失，从而使丝光绿蝇的特征更加突出和清晰；
20、在非线性色彩校正层，引入了一种非线性校正方法，调整图像的最终色彩，确保它不仅在色彩上准确，而且在视觉上更加自然和舒适。
21、所述步骤s4具体包括：
22、实施一种基于迭代最近点(icp)算法的改进版本，该算法增强了对局部特征的匹配能力，从而确保了电子模型与实体扫描数据之间的高度一致性；改进的icp算法首先定义了一个特征提取层，用于从三维数据中提取关键局部特征，如突起、凹槽、纹理等；在迭代匹配阶段，算法不仅考虑整体形状的匹配，还特别注重这些关键局部特征的对齐；通过逐步优化特征点之间的距离，算法追求最小的整体匹配误差；算法利用一种自适应调整机制，根据匹配过程中的误差反馈，动态调整迭代步长和权重分配；这样做可以加快收敛速度，同时提高匹配精度；将处理好的三维扫描数据与已有的丝光绿蝇电子模型进行对比匹配；使用改进的icp算法，确保电子模型与实体本文档来自技高网...
【技术保护点】
1.一种丝光绿蝇电子标本的制作及其识别方法包括以下步骤：
2.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S2具体包括：
3.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S2具体包括：
4.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S2具体包括：
5.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S3具体包括：
6.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S3具体包括：
7.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S3具体包括：
8.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S4具体包括：
9.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤S4具体包括：
10.如权利要求1所述的一种丝光绿蝇电子标本
...【技术特征摘要】
1.一种丝光绿蝇电子标本的制作及其识别方法包括以下步骤：
2.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤s2具体包括：
3.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤s2具体包括：
4.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤s2具体包括：
5.如权利要求1所述的一种丝光绿蝇电子标本的制作及其识别方法，其特征在于，所述步骤s3具体包括：
6.如权利要求...
【专利技术属性】
技术研发人员：程晓兰，宋锋林，滕新栋，王玮琳，高玉峰，闫宇巍，耿丹，潘丽，陈洛玢，
申请(专利权)人：大连国际旅行卫生保健中心大连海关口岸门诊部，
类型：发明
国别省市：
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。