节肢动物种类的快速识别和鉴定是开展生物多样性调查的基础。传统的分类方法主要依赖人工观察标本的外部形态特征,逐一对照检索表,通过每个特征的对比来完成对种类的鉴定,该鉴定方法繁琐、耗时,调查效率低。近年来,随着人工智能技术的快速发展,利用图像识别来完成节肢动物种类识别和鉴定的研究愈来愈受到关注。本文以稻田常见蜘蛛为对象,对形态特征的图片数据库构建、AutoML模型识别训练、以及基于微信小程序的蜘蛛种类智能识别工具开发与应用等展开研究,获得以下主要结果:1.在浙江稻田共采集22种常见蜘蛛,利用电子显微成像系统拍摄、采集稻田的蜘蛛形态特征原色图片和分类特征图片,配以文字描述信息,上传至云端,构建稻田蜘蛛图像数据库。2.拍摄简单背景下蜘蛛图片2,209张,通过搜索引擎收集18种节肢动物图片599张,并采用旋转方法对数据进行增强,共获得11,232张图像,作为模型训练的图像数据集。在统一图像分辨率的基础上,验证了高分辨率和训练集扩充后对模型效果的提升。同时通过分别增加三种不同数据增强算子Cutout、Sharpness和Brightness来提升模型的效果。3.利用微信开发者工具将收集处理后的稻田蜘蛛原色图片和文字描述以及训练完成的模型接口整合到微信小程序中,并基于微信小程序构建稻田蜘蛛智能系统,包括稻田蜘蛛图片展示、形态特征介绍、生活习性介绍、稻田蜘蛛识别等功能。制作完成后,上线体验版,对稻田蜘蛛开展种类鉴定,初步应用于田间蜘蛛标本的鉴定。论文结果不仅为稻田蜘蛛种类多样性调查提供快速、简便判别工具,同时为蜘蛛的室内种类快速、准确鉴定提供辅助手段。