[發明專利]一種基于卷積神經網絡的靶向藥物噴灑方法

在審

• 申請號: 201810477485.1
• 申請日: 2018-05-18
• 公開（公告）號: CN108734277A
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 古萬榮;施玉健;毛宜軍;李海良;朱韜
• 申請（專利權）人: 拓普暨達（廣州）基因精準醫療科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;A01M1/00;A01M7/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

1.一種基于卷積神經網絡的靶向藥物噴灑方法，其特征在于，包括以下步驟：

S1、在訓練好的CNN卷積神經網絡檢測圖像的分類

輸入樣本圖像和選定的迭代次數訓練能夠識別N類目標害蟲的CNN卷積神經網絡，輸入目標圖像，得出該圖像對應N類目標害蟲的判定得分；

S2、根據步驟S1得出圖像對應N類目標害蟲的判定得分，與預先設定的害蟲識別閥值比較，如果得分大于害蟲識別閥值，則判別該害蟲種類，進行步驟S3，如果小于害蟲的識別閥值，則判斷為無害蟲，無需靶向藥物噴灑；

S3、根據步驟S2判別的害蟲種類，輸入到針對害蟲所訓練的RCNN區域網絡模型，統計該害蟲的數據，并用框圖顯示害蟲的區域位置，從而進行藥物噴灑。

2.根據權利要求1所述的一種基于卷積神經網絡的靶向藥物噴灑方法，其特征在于：在步驟S1中，輸入的N個圖像樣本其中x_i表示第i個輸入圖像，y表示第i個圖像的標簽；CNN訓練過程包括向前傳播階段和后傳播階段，在前向傳播階段，當一個訓練樣本(x_i，y_i)作為網絡輸入時，x_i將一步步地從輸入層轉移到輸出層，最后得到實際輸出o_i，這個過程表示為：

o_i＝F_L(...F₂(F₁(x_iw_i)w₂)...)w_L

其中，L表示層數，w_j為第j層F_j的權重向量，F_j定義為一系列的層，執行內核函數的卷積、最大池或非線性激活操作，在一系列的操作之后，估計向量w₁，w₂，…w_L用以下優化問題來解決：

其中，為交叉熵損失函數；

使用后向傳播和隨機梯度下降來更新向量w₁，w₂，…的方法能夠求解優化問題，訓練好網絡后，輸入目標圖像到固定權重向量的CNN網絡中，得出該圖像對應N類目標害蟲的判定得分。

3.根據權利要求1所述的一種基于卷積神經網絡的靶向藥物噴灑方法，其特征在于：在步驟S3中，根據步驟S2判別的結果，輸入目標圖片，在RCNN網絡中，利用Selective Search算法在圖像中從上到下提取K個左右的候選框，將每個候選框縮放成n×m的大小并輸入到預訓練的CNN，將CNN的最后一個全連接層的輸出作為特征，將這些特征輸入支持向量中進行分類，將分類好的候選框進行邊框回歸，用邊框回歸值校正原來的建議窗口，生成預測窗口坐標，統計該害蟲的數據，顯示出害蟲的位置，從而進行藥物噴灑。