近年来,随着计算机视觉技术的快速发展,结合不同研究领域的应用需求,开发、设计不同类型的图像的自动识别系统已成为该技术的一个重要发展方向。其中,结合不同种类昆虫的形态特点,利用昆虫图像进行自动识别,方向新颖,且具有很大的研究使用价值。蝴蝶是昆虫界的重要分支,种类繁多,分布广泛,因此对其进行分类非常困难。研究蝴蝶种类的自动识别方法,不仅可以保护环境,也可应用于边境检疫,也对物种的鉴定研究有非常重要的意义。本文以30种蝴蝶作为研究对象,其中每种蝴蝶包含20张样本图像,共收集了600张蝴蝶标本数字图像构建研究数据集。在特征提取方面,本文采用了纹理特征作为分类特征。该特征的计算首先通过“灰度共生矩阵”以及KNN算法实现,以此来对所有种类的蝴蝶图像进行初次识别;然后在初次识别结果的基础上,本文将“局部纹理特征”作为二次识别的分类特征,基于卷积神经网络对蝴蝶种类进行细粒度图像识别。整个实验不但描述了整幅图像的纹理规律和特点,还反映了蝴蝶局部细微纹理之间的差异。通过初次识别可以大大降低计算量,提高识别率,并且可以保证全局特征以及局部特征的完整。本文系统环境是windows平台,利用python编程软件,完成了一个自动识别蝴蝶的系统。通过实验,对30种蝴蝶的初次识别准确率为78%,前十的识别率准确为100%;通过系统的二次识别,识别准确率为95.67%,提升了整体的识别准确率。实验结果表明:两级纹理特征不但有效描述了蝴蝶翅面的全局纹理变化和规律,也较好反映了蝴蝶翅面的局部差异。结合两级分类模型,可在不同粒度层面对不同蝴蝶种类进行有效分类。因此,文本的特征提取相关方法和分类模型设计思路是行之有效的,也为今后其它昆虫种类的自动识别研究提供了一定参考。