[发明专利]基于图像及分子数据的多模态实蝇识别系统及方法

说明书

本发明公布一种基于世界有害实蝇图像及分子序列的识别方法及系统，包括：建立实蝇图像及分子识别标准7属82种；利用Mask‑R‑CNN模型对图像分割，基于深度学习技术训练AlexNet模型提取特征，采用特征匹配法分类鉴别；基于内嵌BLAST+程序进行序列比对，依据固定比例权重融合图像及分子识别结果，构建集成翅、胸、腹图像及序列的在线识别系统。分数据、核心和应用层，含输入、预处理、识别、结果显示及检索五模块。可分别进行图像、分子或其任意组合的自动识别，并在上述基础上交互识别，最后进行图像和文字复核。兼顾实蝇识别的精度和速度，对单样本识别时间少于90秒，前5正确率在87％‑100％间，具良好的实用性。

技术领域

本发明属于昆虫图像智能识别及分子鉴别的交叉研究领域，具体地讲是基于世界有害实蝇图像及分子序列大数据集数据库的自动和交互实蝇识别方法及一套可运行的系统。

背景技术

人类感知外界信息，80％以上是通过视觉得到的。长期以来，生物特征的图像一直是识别物种的重要依据。当前，随着计算机大数据存储、高速计算及推理判断能力的快速提升，自动识别昆虫种类，尤其是一些常见种和重要检疫性害虫等，已成为昆虫学研究中的一个热点；直接将图像信息作为识别物种的主要依据，正越来越多地成为现实。另一方面，随着生物基因组学及新一代测序技术的飞速发展，生物学各领域目前已累积了丰富的分子序列信息，直接利用分子序列进行物种鉴定也已成为昆虫学研究中的常用手段。然而，基于生物图像的物种识别及基于生物分子序列的物种鉴定，长期以来一直是相互独立和互相平行的两个领域，未曾见到将二者融合于一个系统及同一软件框架中进行物种自动识别的尝试。其原因可能在于，这是一个典型的多学科交叉领域，涉及到昆虫分类学、图像大数据、深度学习、智能识别、计算机视觉、基因组学和生物信息学等，学科领域跨度很大，加上图像识别及生物信息学等学科体系尚不完善，一直处在快速发展和变动之中，因此将二者交叉融合也就显得非常困难。本发明在此领域内进行了探索，研发出一套基于世界有害实蝇大数据集图像库及分子序列库的多模态识别实蝇方法及可实际应用的系统。

实蝇属于双翅目实蝇科，具有十分重要的经济意义，其中的小条实蝇属、果实蝇属、寡鬃实蝇属、按实蝇属和绕实蝇属等包含许多水果和瓜类作物的危险性蛀果害虫，如地中海实蝇、桔小实蝇、瓜实蝇、昆士兰果实蝇、蜜柑大实蝇、埃塞俄比亚寡鬃实蝇、墨西哥按实蝇、南美按实蝇和苹绕实蝇等，已被许多国家和地区列入严防传入的检疫性有害生物名单中。长期以来，尽管有害实蝇的形态学、分类学和分子生物学等在世界范围内均已研究得较为透彻，然而传统的二分式形态检索表如果缺乏相应的标本收藏和分类学文献，以及对于专业术语的深刻理解，一般人员很难使用，达不到依据形态快速准确鉴定物种的目的；而分子识别如果不辅以形态学鉴定，也难以得出可靠的结论。因此，该类重要检疫性昆虫的快速和准确鉴定，一直是困惑国内外植检和农林等部门的难题。研制一种基于世界有害实蝇大数据集图像及分子序列数据库，适合信息化和自动化时代传播使用，快捷方便，又能保证物种鉴定准确性的可实用系统非常必要，也有着广阔的应用场景。