朱敏慧, 董琳娟, 王墩家, 蔡逸舟, 张兆文, 刘曜, 何世鹏, 周毅彬
目的 构建白纹伊蚊Aedes albopictus卵粒图片数据库,并基于深度学习和瓦片重叠法建立白纹伊蚊卵粒自动识别和计数模型,为伊蚊监测和防治提供技术方法。方法 在上海市3个区收集野外和实验室品系的白纹伊蚊卵粒图片449张,使用Python环境labelimg库进行人工标定蚊卵,采用快速区域卷积神经网络(faster regional convolution neural network, Faster R-CNN)模型建立白纹伊蚊卵粒识别模型,并使用瓦片重叠法智能识别和计数。使用精确率、召回率和调和平均值(F-measure)进行模型效果评价。结果 经过15次模型迭代训练,损失值随着训练次数增加逐渐下降至0.000119,平均精度均值(Mean Aaccuracy, mAP)从0.968增加至0.980,最终模型精确率为0.90,召回率为0.97,调和平均值为0.93。结论 本模型具有较高的白纹伊蚊卵粒识别能力,初步达到了辅助开展诱蚊诱卵器监测中卵粒鉴别和计数的功能。在不断的优化模型、细化分类识别能力后可成为简便高效的监测辅助工具。