[發(fā)明專利]一種儲糧害蟲檢測識別方法及裝置

在審

• 申請?zhí)枺?/td>: 201810220737.2
• 申請日: 2018-03-16
• 公開（公告）號: CN108615046A
• 公開（公告）日: 2018-10-02
• 發(fā)明（設(shè)計）人: 周曉光;黨豪;孫沐毅;劉治財;張冠宏;楊海英;楊記好;張馳;石志超
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06Q50/02
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發(fā)明提供一種儲糧害蟲檢測識別方法及裝置。所述方法包括：將原始儲糧害蟲圖像輸入人工智能分析模型中進(jìn)行害蟲的位置定位和類別判定，所述人工智能分析模型為根據(jù)儲糧害蟲圖像組成的數(shù)據(jù)集進(jìn)行訓(xùn)練和驗證的卷積神經(jīng)網(wǎng)絡(luò)；根據(jù)位置定位和類別判定的結(jié)果，在所述原始儲糧害蟲圖像上標(biāo)注害蟲位置和類別。本發(fā)明基于深度學(xué)習(xí)的目標(biāo)檢測算法和采集到的儲糧害蟲數(shù)據(jù)，訓(xùn)練出一個能夠正確定位并識別多類儲糧害蟲的模型，避免了手工設(shè)計特征魯棒性和泛化性差的弊端，提升了檢測識別的精度和效率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，更具體地，涉及一種儲糧害蟲檢測識別方法及裝置。

背景技術(shù)

近年來，計算機(jī)視覺技術(shù)取得了巨大的進(jìn)步，這主要得益于以深度學(xué)習(xí)為核心的人工智能技術(shù)的革命性發(fā)展。伴隨著計算機(jī)硬件的不斷進(jìn)步和互聯(lián)網(wǎng)時代積累的大量數(shù)據(jù)資源，使得巨型神經(jīng)網(wǎng)絡(luò)可以訓(xùn)練并發(fā)揮其優(yōu)勢。與傳統(tǒng)計算機(jī)視覺技術(shù)不同的是，基于深度學(xué)習(xí)的計算機(jī)視覺技術(shù)可以從大量的數(shù)據(jù)中自動的學(xué)習(xí)特征，具有強(qiáng)大的特征表示能力，能夠帶來更高的檢測識別精度。

儲糧害蟲種類繁多，給手工設(shè)計特征的傳統(tǒng)計算機(jī)視覺方法帶來困難。儲糧害蟲圖像目標(biāo)物體小，背景復(fù)雜，也給手工設(shè)計特征帶來不便，而基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法不需要對原始圖像過多的處理就可以很好的學(xué)習(xí)圖像特征；對于某些外形相似度極高的儲糧害蟲(如米象和玉米象)，傳統(tǒng)方法手工提取的特征不能達(dá)到很好的識別效果。

發(fā)明內(nèi)容

本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的儲糧害蟲檢測識別方法及裝置。

根據(jù)本發(fā)明的一個方面，提供一種儲糧害蟲檢測識別方法，包括：

將原始儲糧害蟲圖像輸入人工智能分析模型中進(jìn)行害蟲的位置定位和類別判定，所述人工智能分析模型為根據(jù)儲糧害蟲圖像組成的數(shù)據(jù)集進(jìn)行訓(xùn)練和驗證的卷積神經(jīng)網(wǎng)絡(luò)；

根據(jù)位置定位和類別判定的結(jié)果，在所述原始儲糧害蟲圖像上標(biāo)注害蟲位置和類別。

根據(jù)本發(fā)明的另一個方面，還提供一種儲糧害蟲檢測識別裝置，包括：

模型判定模塊，用于將原始儲糧害蟲圖像輸入人工智能分析模型中進(jìn)行害蟲的位置定位和類別判定，所述人工智能分析模型為根據(jù)儲糧害蟲圖像組成的數(shù)據(jù)集進(jìn)行訓(xùn)練和驗證的卷積神經(jīng)網(wǎng)絡(luò)；以及

害蟲標(biāo)注模塊，用于根據(jù)位置定位和類別判定的結(jié)果，在所述原始儲糧害蟲圖像上標(biāo)注害蟲位置和類別。

根據(jù)本發(fā)明的另一個方面，還提供電子設(shè)備，包括：

至少一個處理器；以及

與所述處理器通信連接的至少一個存儲器，其中：

所述存儲器存儲有可被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令能夠執(zhí)行本發(fā)明儲糧害蟲檢測識別方法及其任一可選實施例的方法。

根據(jù)本發(fā)明的另一個方面，提供一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其特征在于，所述非暫態(tài)計算機(jī)可讀存儲介質(zhì)存儲計算機(jī)指令，所述計算機(jī)指令使所述計算機(jī)執(zhí)行本發(fā)明儲糧害蟲檢測識別方法及其任一可選實施例的方法。

本發(fā)明提出一種儲糧害蟲檢測識別方法，基于深度學(xué)習(xí)的目標(biāo)檢測算法和采集到的儲糧害蟲數(shù)據(jù)，訓(xùn)練出一個能夠正確定位并識別多類儲糧害蟲的模型，避免了手工設(shè)計特征魯棒性和泛化性差的弊端，提升了檢測識別的精度和效率。

附圖說明

圖1為本發(fā)明實施例一種儲糧害蟲檢測識別方法流程示意圖；

圖2為本發(fā)明實施例一種電子設(shè)備的框架示意圖。

具體實施方式

下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式作進(jìn)一步詳細(xì)描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。