1. 研究目的与意义

（1）背景蝶，通称为“蝴蝶，节肢动物门、昆虫纲、鳞翅目、锤角亚目动物的统称。全世界大约有 14000 多种，大部分分布在美洲，尤其在亚马孙河流域品种最多。中国有 1200 种。蝴蝶一般色彩鲜艳，身上有好多条纹，色彩较丰富，翅膀和身体有各种花斑，最大的蝴蝶展翅可达28～30厘米左右，最小的只有 0.7 厘米左右。蝴蝶和蛾类的主要区别是蝴蝶头部有一对棒状或锤状触角，蛾的触角形状多样。蝴蝶种类繁多，色彩各异，具有很高的观赏价值。蝴蝶不仅美化人类生活，还丰富了人民的文化生活，比如梁祝化蝶等爱情故事已流传千百年。同时多数蝴蝶对其生存的自然环境要求颇高，因此是重要的环境指示昆虫。而蝴蝶幼虫多为植食性，对农业有极大的影响。（2）目的和意义本课题使用开源的深度学习框架和成熟的卷积神经网络模型，收集常见蝴蝶样本照片，通过机器学习得到用于蝴蝶种类识别的模型。通过大量的数据样本，提高蝴蝶的识别率，从而使得大众也能正确识别蝴蝶种类。实现蝴蝶种类的智能识别，减少了人工识别所需的人力物力，极大的节约了社会资源；有利于蝴蝶爱好者以及大众对蝴蝶的认知，丰富人们的生活；对于有危害的蝴蝶，对其尽早认知有利于农业的发展，减少农业上的损失；不同的蝴蝶对于生存环境的要求不同，有利于指示环境产生的变化，尽早实现对应策略。

2. 研究内容和预期目标

（1）主要研究内容卷积神经网络(Convolutional Neural Network, CNN)是近些年逐步兴起的一种人工神经网络结构，因为利用卷积神经网络在图像和语音识别方面能够给出更优预测结果，这一种技术也被广泛的传播可应用。使用卷积神经网络开发出的识别系统识别度高，数据准备简易。卷积神经网络以其局部权值共享的特殊结构图像处理方面有着独特的优越性，其布局更接近于实际的生物神经网络，权值共享降低了网络的复杂性，避免了特征提取和分类过程中数据重建的复杂度，有效降低了传统神经网络的复杂性。该系统能实现智能识别蝴蝶的功能，让人们在观察蝴蝶时能简单、快速的查询到蝴蝶的种类。（2）预期目标本课题使用开源的深度学习框架和成熟的卷积神经网络模型，收集常见蝴蝶样本照片，通过机器学习得到用于蝴蝶种类识别的模型。在此基础上，实现蝴蝶种类智能识别后台系统，为移动应用程序提供API服务。用户通过移动应用程序，上传蝴蝶的照片，通过训练好的模型，获取蝴蝶的特征信息，从而识别出蝴蝶的种类。

3. 研究的方法与步骤

本课题使用开源的深度学习框架和成熟的卷积神经网络模型进行研究。

(1) 了解CNN模型，与深度学习框架进行比较；(2) 安装所需，并搭建深度学习框架，做好准备工作；(4) 收集蝴蝶样本照片并进行训练；(5) 训练完成后，进行结果验证，根据识别度分析训练成果；(6) 实现蝴蝶种类智能识别后台系统；(7) 实现移动应用程序API并进行调试；(8) 整理相关文档。

4. 参考文献

[1] 谢娟英，侯琦，史颖欢等. 蝴蝶种类自动识别研究[J]. 计算机研究与发展, 2018, 55(8): 1609-1618.[2] 陆安. 基于视觉的昆虫物种识别算法研究[D]. 北京: 中国科学院大学,2012.[3] 张滨. 昆虫翅膀图像分类算法的设计与实现[D]. 北京: 北京邮电大学, 2010.[4] 周志华著. 机器学习[M]. 北京: 清华大学出版社, 2016.[5] 吴岸城著. 神经网络与深度学习[M]. 北京: 电子工业出版社, 2016.[6] 赵永科著. 深度学习 - Caffe之经典模型详解与实战[M].北京: 电子工业出版社, 2016.[7] 赵永科著. 深度学习 - 21天实战Caffe[M]. 北京: 电子工业出版社, 2016.[8] Caffe Deep Learning Framework[EB/OL]. http://caffe.berkeleyvision.org/[9] 周爱明, 马鹏鹏, 席天宇等. 基于深度学习的蝴蝶科级标本图像自动识[J]. 昆虫学报, 2017.[10] 李海军，徐凤生. 蝶类昆虫识别算法的研究与分析[J]. 计算机应用与软件;2009年10期.

5. 计划与进度安排

(1) 2022.1.10 ---- 2022.3.10 查阅资料，撰写开题报告，翻译英文资料(2) 2022.3.11 ---- 2022.3.18需求分析，熟悉开发工具(3) 2022.3.19 ---- 2022.3.31概要设计(4) 2022.4.1 ---- 2022.4.9 详细设计(5) 2022.4.10 ---- 2022.5.9 编写代码(6) 2022.5.10 ---- 2022.5.17程序调试和测试(7) 2022.5.18 ---- 2022.5.31整理资料，撰写毕业设计说明书(8) 2022.6.1 ---- 2022.6.10 答辩准备及答辩