摘要: 在整理重庆自然博物馆保存的近3万件蝴蝶标本中,经过系统的分类鉴定,初步得出有国内蝴蝶标本521种221属12科,国外蝴蝶26种14属,台湾蝴蝶标本90种(亚种)53属10科。其中,还保存有蝴蝶正模标本1种,副模标本1种。馆藏保存最早的蝴蝶标本时间是从1910年开始,至今已有近100 a的历史。

摘要: 【目的】基于卷积神经网络特征提取，本研究探究融合GoogLeNet网络模型与数字图像特征信息来准确识别野外蝴蝶的可行性。【方法】选取甘肃省连城国家级自然保护区内丰富度高的鳞翅目(Lepidoptera)蝶类4科9种，其中成虫标本图像3 704幅，用以构建蝴蝶图像识别模型，并采集具有干扰因素的野外蝴蝶图像376幅，从中筛选出识别精度最高最优的一种模型。通过对GoogLeNet网络模型采用修改模型内部结构及调整参数的方法，并使用PhotoShop对图像进行后期处理，从而优化激活函数，减少参数量，提高计算速度和特征提取能力以准确识别蝴蝶种类。【结果】利用MATLAB软件平台共训练出10种模型，然后根据模型大小、精确度、识别效率等参数筛选出4种最优模型，在此基础上选用性能最好的模型构建了所选取9种代表性蝴蝶白眼蝶Melanargia halimede、菜粉蝶Pieris rapae、橙黄豆粉蝶Colias fieldii、柑橘凤蝶Papilio xuthus、钩粉蝶Gonepteryx rhamni、锦瑟蛱蝶Seokia pratti、仁眼蝶Hipparchia autonoe、荨麻蛱蝶Aglais urticae和重环蛱蝶Neptis alwina的诊断体系。经平台训练60 min后，模型对检验数据集的诊断准确率达100.0%。人为添加干扰项后，改进的GoogLeNet模型准确率仍保持在94.7%。多数据模型训练后发现，数据集数量越多，图像质量越高，模型的识别精确度就越高。【结论】本研究构建的模型一定程度上克服了单一特征识别蝴蝶种类的不足，提高了野外蝴蝶识别的准确性，且模型稳定性强，能够为蝴蝶智能识别提供技术支撑，为后续识别平台的开发奠定了基础。

摘要: 于2016-2018年间，采用样线法调查了九万山国家级自然保护区内的蝴蝶种类，分析了其蝴蝶群落的组成和多样性特征。结果表明，调查共记录蝴蝶6 965头，分属5科96属169种。其中，蛱蝶科Nymphalidae的属数、种数和个体数最多，分别为39属、85种、3 544头；粉蝶科Pieridae的物种数最少，仅为15种；弄蝶科Hesperiidae个体数最少，仅有416头。126种蝴蝶的个体数占比低于1%，属于稀有类群。常绿阔叶林带的多样性指数最高，而灌丛区和大型湖泊区间的相似性系数最高（0.56）。随海拔升高，蝴蝶物种数、优势度指数和丰富度指数呈现出先减后增的趋势，而多样性指数和均匀度指数则表现出先增后减的趋势。九万山国家级自然保护区内蝴蝶物种丰富，但稀有类群占比高，且蝴蝶个体数呈现出一定的下降趋势，提示该区域蝴蝶群落多样性面临威胁。因此，建议加强该地区蝴蝶资源特别是针对稀有类群的监测与保护，以维护其生物多样性。