Plant Phenomics | 用于穩(wěn)健昆蟲分類的越界檢測算法

植物在生長過程中會遇到各種有益和有害的昆蟲。對這些昆蟲物種進行準(zhǔn)確的識別（即檢測昆蟲的存在）和分類（即確定昆蟲的類型或類別）對于實施及時和合適的防治策略至關(guān)重要。雖然基于深度學(xué)習(xí)的方法已經(jīng)產(chǎn)生了具有良好昆蟲分類準(zhǔn)確性的模型，但面臨著當(dāng)輸入圖像與訓(xùn)練分布顯著偏離時的挑戰(zhàn)（例如，類似于車輛、人類或模糊圖像，或者是尚未訓(xùn)練的昆蟲類別）。越界檢測算法為克服這些挑戰(zhàn)提供了一條有效途徑，因為它們確保模型在屬于非昆蟲和/或未訓(xùn)練昆蟲類別的圖像上不會做出錯誤的分類預(yù)測。然而，尚未對越界(OOD)檢測算法在解決農(nóng)業(yè)問題中的作用進行深入探討。
 

2024年4月，Plant Phenomics 在線發(fā)表了愛荷華州立大學(xué)完成的題為Out-of-distribution detection algorithms for robust insect classification的研究論文。該研究將OOD檢測的概念納入害蟲分類(如圖1所示)，并評估了三種先進的越界檢測算法（MSP, MAH and EBM）在昆蟲檢測分類器上的性能，具體流程如圖2所示。同時，通過使用三種不同類型的網(wǎng)絡(luò)架構(gòu)（ResNet50, RegNetY32 and VGG11）來提高模型的準(zhǔn)確性和效率。研究結(jié)果表明: EBM優(yōu)于其他兩種OOD檢測算法(MAH和MSP)，結(jié)果如圖3所示。與其他兩個網(wǎng)絡(luò)模型架構(gòu)(ResNet50和VGG11)相比，RegNetY32架構(gòu)在昆蟲檢測方面表現(xiàn)出更優(yōu)越的性能。研究表明將EBM與RegNetY32分類器相結(jié)合，可以得到一個優(yōu)秀的昆蟲分類器。
 

圖1昆蟲分類中的非分布可視化。OOD分類器嘗試為每個昆蟲定義決策邊界，同時確保沒有非昆蟲圖像屬于任何已知的昆蟲類別。人們可以根據(jù)它們與分布(ID)圖像的相似性將它們區(qū)分為上下文近OOD(例如，葉子圖像)和上下文遠OOD(例如，汽車圖像)。
 

圖2 分析過程:框1表示數(shù)據(jù)�？�2顯示了三種昆蟲分類器架構(gòu)和使用的三種OOD算法。框3說明了工作流程。
 

圖3三種OOD算法(MSP、MAH、EBM)的AUROC隨三種架構(gòu)(ResNet50、RegNetY32、VGG11)昆蟲分類器精度增量的變化趨勢。

本研究主要價值是，提出了一種越界檢測方法使分類器能夠有效進行昆蟲的識別和分類。這種越界檢測方法在各種農(nóng)業(yè)重要的分類任務(wù)中具有潛在應(yīng)用，包括勘察和識別生物（疾�。┖头巧�物脅迫（營養(yǎng)缺乏），同時也有助于農(nóng)業(yè)決策過程。

論文鏈接：

‍https://doi.org/10.34133/plantphenomics.0170

——推薦閱讀——

From Laboratory to Field: Unsupervised Domain Adaptation for Plant Disease Recognition in the Wild

‍https://doi.org/10.34133/plantphenomics.0038

Plant Phenomics | 從實驗室到田間：野外植物病害識別的無監(jiān)督域適應(yīng)

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄。科睿唯安JCR2022影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學(xué)》編輯部負責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
撰稿：孫浩（南京農(nóng)業(yè)大學(xué)）
編輯：趙慶澤（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平