基于迁移学习和双线性CNN的细粒度菌菇表型识别

袁培森 申成吉 徐焕良

(南京农业大学人工智能学院， 南京 210095)

0 引言

菌菇是一种重要的真菌，其种类繁多，被广泛用于生物技术领域，特别是用于食品、药物化合物、酶、膳食补充剂和饲料添加剂的生产等[1-2]。全世界大约有150万种真菌[3]，已被记载的菌菇及其相关物种约有13 000种[4]，真菌的准确识别具有重要的实际应用价值[5]。表型组学是生物学领域近年来的研究方向之一[6]，正在成为继基因分析之后生物学研究的重要内容[7]。菌类表型分类研究具有重要的生态学意义[8]。

传统真菌分类基于基因组序列，这是真菌生态学和多样性研究的重要组成部分[9]。但是，这种方法代价高，且效率较低。近年来，菌菇分类受到生物学和信息领域的广泛关注，菌菇表型的研究成为生物学领域研究热点[10-14]。

HEWITT等[10]研究了真菌活动特性和表型异质性。HIBBETT等[15]提出了真菌界的综合系统发育分类。TAYLOR等[16]将核酸变异的系统发育和种群遗传学方法用于鉴定致病真菌的种类和种群，并确定了它们在自然界中的繁殖方式。ZIELINSKI等[17]基于深度学习和词袋的机器学习方法对真菌的显微图像进行分类。HIBBETT等[14]分析了GenBank核苷酸数据库中的核糖体RNA内部转录间隔区(Internal transcribed spacer, ITS)序列，采用聚类方法开发了基于环境序列的菌类分类系统，同时指出，基于标本的方法对所有种类真菌进行分类，难度大、效率低。罗奇[18]针对卷积神经网络中存在的空间冗余问题，设计了一种降梯度卷积训练模型，有效提高了蘑菇图像分类的识别性能。……