2023年10月25日下午14：30，我院绿色讲坛第111期于资环学院一楼学术报告厅如期开展。朱洋博士为全院师生做了题为《基于卷积神经网络的蜘蛛花纹研究》的学术报告。于婧副院长主持讲座，全院教师、研究生等90余人参加了讲座。

  朱洋，现任xg111net太平洋在线游戏博士后，主要从事动物生态学、动物系统发育与动物分类学研究。主要以遁蛛科蜘蛛为研究对象，对标本进行鉴定、描述和归类，丰富遁蛛科物种数据，完善其地理分布情况;利用计算机深度学习中的卷积神经网络技术展开拟遁蛛属蜘蛛花纹研究，通过花纹进行物种鉴定及雌雄差异性比较。获得中国博士后科学基金面上项目，湖北省重点实验室开放基金等项目资助。以第一/通讯作者发表SCI论文5篇，分类学专著1篇，授权国家发明专利1项。曾获得5项大学生创新创业项目资助和奖励。

  讲座伊始，朱洋博士详细介绍了其在遁蛛科蜘蛛体态特征的相关研究，并对目前设涉及的领域提出新想法。传统分类学主要基于蜘蛛的外生殖器进行鉴别，在长期的分类研究中发现，蜘蛛背后的花纹也记载着蜘蛛种类信息，于是在博士后工作期间，提出了是否能够依据背部花纹进行鉴别的观点，并进行研究。而计算机深度学习算法之一的卷积神经网络，能够自行学习归纳出图像信息的特征，避免了人工提取特征不精确的问题，使鉴定结果更加客观和稳定。以此新技术为研究工具，根据拟遁蛛属背面花纹特征，利用四种不同模型进行迁移学习,实现了对该属蜘蛛的自动分类。接下来的研究主要是将茶园蜘蛛作为研究对象，进行样本照片采集，采集的照片进行预处理并创建8个照片数据集，采用YOLO v4和Efficient Det两种CNN模型分别对蜘蛛的花纹进行定位，对数据集采用多模型并行处理方式，使用2种深度学习网络同时实现蜘蛛的分科鉴别与分种鉴别，综合两种结果，最终确定物种种类，提高识别准确率。并使用3D-GradCAM绘制图像叠加权重热力图，利用热力图分析CNN模型提取形态学特征的部位与权重，对该模型进行评估验证，解释该模型可用于蜘蛛鉴别的原因。

  朱洋博士表示此项研究颇有意义，一是用于物联网结合，利用终端传感器远程监控，进行实时物种鉴别及动态变化分析，为茶园害虫生物防治提供数据支持，快速准确鉴别茶园蜘蛛种类，为“以蛛治虫”的茶园生物防治提供前提和基础。二是用于图像鉴别将单一属的蜘蛛物种鉴别扩展至整个茶园蜘蛛类群，为特定种类蜘蛛花纹图像鉴别奠定理论和实践基础。

  讲座最后，朱洋博士表示将开展拟遁蛛属蜘蛛花纹的行为学和同种蜘蛛雌雄间花纹的关联性和差异性研究，同时也鼓励同学们勇于提出自己的想法，深刻领会讲座内容，努力提高自身科研水平。

撰稿：施慧龙 岳静静

校对：朱洋 李可

审稿：梅新