[发明专利]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

说明书

本发明公开了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，该鉴别方法为：建立模型‑检材采样‑特征提取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‑特征组合‑比对鉴别：与现有技术相比，本发明提供的鉴别方法具有节省人工、鉴定效率高、准确度高的有益效果。

技术领域

本发明属于图像识别技术领域，特别涉及一种基于生物的多维图像的物种鉴别方法。

背景技术

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、广泛的适应性以及强大的计算能力在越来越多的领域中得到应用，具体到生物鉴定领域，对于具有完整外部形态的检材，如何基于深度学习技术，根据其外部形态判断其具体的生物种属，在此之前还未见相关资料记载。因此，如何利用检材的外部形态，将深度学习技术应用到生物鉴定过程中，获得理想的鉴定结果，是本领域技术人员亟需解决的技术问题。

发明内容

为解决上述问题，本发明的目的在于提供一种针对具有完整外部形态的检材、基于深度学习技术，以检材外部形态图像对其进行种属鉴别的方法。

本发明的另一个目的在于提供一种基于检材外部形态图像的生物鉴别方法，该方法以多视角获取检材的外部形态图像，将每一张图像均提取其图像特征后，组合所有视角的对应的图像特征，最终得到鉴别结果，以此更为完善、更为准确地鉴别检材的生物种属。

为实现上述目的，本发明的技术方案如下：

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，该鉴别包括有以下步骤：

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；标准生物特征数据库的建立倚赖现有的生物分类学知识，技术人员依据现有的标准的生物分类表，收集其中每一个种属的生物的外部形态图像特征，将其按照种属分类成批多次重复输入到卷积神经网络预模型中，训练预模型从其中学习对应种属的生物的外部形态图像特征，建立一套判决规则，并将对应种属的生物所具有的外部形态图像特征以标准生物特征数据库的形式存储在卷积神经网络中，方便后续在实际使用过程中对样本图像作出逐类比对得到鉴别结果。

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；采集检材的外部形态图像时，应从俯视视角、仰视视角、前视视角、后视视角、左视视角、右视视角等六个标准视角中选取至少两个视角，拍摄检材的外部形态获得图像。对于具有复杂形状、细微构造、复合鉴别要素的检材，应多变幻采集视角、采集多张图像，以保证鉴别准确度。

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。