[发明专利]一种基于多维点云数据的生物种属鉴别方法

说明书

本发明公开了一种基于多维点云数据的生物种属鉴别方法，该方法包括有以下步骤：S1：预先建立标准生物种属分类检索表；S2：获取检材的外部形态轮廓的整体点云数据；S3：拆分整体点云数据得到表现检材局部轮廓的局部点云数据；S4：对局部点云数据作出去噪处理得到没有噪点的局部点云数据；S5：将没有噪点的点云数据与标准生物种属分类检索表比对，得到检材的生物种属鉴别结果。本发明具有操作方便，鉴别高效、鉴别精确、鉴别准确度高的有益效果。

技术领域

本发明属于点云数据应用技术领域，特别涉及一种基于多维点云数据的生物鉴别方法。

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。

点云数据成像技术是一种采用特定扫描设备，对检材进行扫描后，以点集形式记录扫描结果的成像技术。视其采用的具体扫描设备不同，点云数据中各个具体点除包括具体点的三维坐标信息外，还可能包括有对应点的颜色、光强等信息，由于点云数据相对于图像数据具备的强数据性特点，能在后续图像处理中更好地与计算机交互实现图像处理与变换，近年在越来越多的领域中得到推广应用。

回归到生物种属的鉴别，如何更好利用点云数据的特点，将其应用到鉴别领域中来，将鉴别人员从枯燥、繁重、重复、低效的鉴别工作中解放出来，取得良好的鉴别准确度，在此之前并未见相关文献记载，这也是本领域技术人员需要解决的技术问题。

发明内容

为解决上述问题，本发明的目的在于提供一种基于点云数据成像技术的物种属鉴别方法，该鉴别方法通过获取检材的点云数据，对该点云数据作出分割以及去噪处理后，比对得到鉴定结果。

本发明的另一个目的在于提供一种点云数据处理技术与深度学习识别技术相结合的物种属鉴别方法，该方法获实现利用标准生物种属分类检索表对卷积神经网络进行预训练，卷积神经网络在训练过程中学习到基于标准生物种属分类检索表提取其对应种属的生物外部轮廓信息的匹配点对的方法，并依照该方法对表现实际检材的外部形态轮廓的整体点云数据进行处理，给出鉴定结果。

为实现上述目的，本发明的技术方案如下：

一种基于多维点云数据的生物种属鉴别方法，该方法包括有以下步骤：

S1：预先建立标准生物种属分类检索表；

S2：获取检材的外部形态轮廓的整体点云数据；

S3：拆分整体点云数据得到表现检材局部轮廓的局部点云数据；

S4：对局部点云数据作出去噪处理得到没有噪点的局部点云数据；

S5：将没有噪点的点云数据与标准生物种属分类检索表比对，得到检材的生物种属鉴别结果。

进一步地，S1具体为：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检索表。