《基于图像及分子数据的多模态实蝇识别系统及方法》

  • 来源专题:生物科技领域知识集成服务
  • 编译者: 陈方
  • 发布时间:2021-03-09
  • CN111310795A 基于图像及分子数据的多模态实蝇识别系统及方法
    专利权人:中国科学院动物研究所;中国科学院自动化研究所;上海海关动植物与食品检验检疫技术中心
    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。

相关报告
  • 《多模态数据驱动的安全态势感知框架构建》

    • 来源专题:数智化图书情报
    • 编译者:程冰
    • 发布时间:2024-12-26
    • 从多模态数据驱动的视角出发,厘清多模态数据与安全态势感知的内涵,构建多模态数据驱动的安全态势感知框架,旨在及时准确对网络数据安全威胁进行态势感知、态势理解、态势预测以及决策处置,并依据科学决策精准施策。以安全情报理论与WSR系统方法论为理论依据,结合大量文献调研,按照“物理—事理—人理”的逻辑层次构建多模态数据驱动的安全态势感知框架。框架从物理层面信息技术与硬件设施出发,着重探讨事理层面态势危机察觉、态势要素提取、态势理解以及态势预测之多模态数据驱动的态势感知过程与机制,最终落脚于人理层面的多模态数据态势感知协同治理机制健全与态势感知智能决策赋能科学应用。
  • 《“瑶华”珊瑚礁多模态AI大模型助力珊瑚礁研究高效开展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2025-03-24
    • 人工智能作为新一轮科技革命的战略性技术,在2025年国家政府工作报告中明确被列为重点发展方向,要求推进"人工智能+"行动并支持大模型应用。在科研领域,AI驱动的科学研究(AI for Science)已成为落实国家人工智能规划、加速科研范式变革和提升创新能力的重要支撑,其技术突破正在重塑科学研究的边界与模式。 中国科学院南海海洋研究所作为国家海洋科技领域的战略力量,积极响应国家科技创新号召,强化"国家队"的使命担当,珊瑚礁生物地貌研究团队依托超十年积累的海量影像数据库,启动人工智能驱动的珊瑚礁研究范式革新,尝试突破传统珊瑚礁调查数据判读和分析的技术瓶颈。 全球气候变化与人为影响的双重胁迫下,被称为"海洋热带雨林"的珊瑚礁生态系统面临生存危机。南海珊瑚礁亦是如此,加强南海珊瑚礁的研究刻不容缓。但传统的珊瑚礁调查数据分析和判读方法高度依赖人工,存在效率低、成本高、主观误差显著等固有缺陷,严重制约了南海珊瑚礁研究的广度和深度。针对这一困境,珊瑚礁生物地貌团队基于阿里云Qwen2-VL基座模型,研发了 “瑶华”珊瑚礁多模态大模型1.0版,通过分析10多万张水下影像,实现珊瑚种属识别准确率88%,效率较人工提升数十倍,实现了珊瑚礁调查数据的智能、高效分析的技术突破,同时结合SAM图像分割技术,目前模型可量化珊瑚覆盖率与健康状态,初步实现了珊瑚礁研究范式的转变。 后续该模型将融合珊瑚礁地貌、地化、生态、水文、海平面和气象等多模态数据持续迭代,进一步挖掘“瑶华”的数据整合与多模态分析潜力,将其应用从基础的图像和视频识别,拓展至更深层次的气候预测与全球变化模拟,“瑶华”有可能将珊瑚礁从被动的“环境记录载体”转变为积极的“全球变化模拟器”,从而为应对气候变化提供革新性的决策维度。通过将珊瑚礁研究与人工智能深度融合,“瑶华”有望推动珊瑚礁研究范式的转变,从传统的经验驱动迈向数据驱动,进而为脆弱的珊瑚礁生态系统的保护与管理开辟创新的路径。 该模型研发由国家重点研发计划—生物动力地貌与生物造礁地表过程项目和国家自然科学基金(42425004)共同资助。