[發明專利]基于深度學習的檢測紅脂大小蠹的方法

有效

• 申請號: 201810554522.4
• 申請日: 2018-05-31
• 公開（公告）號: CN109684906B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 孫鈺;袁明帥;任利利;劉文萍;張海燕
• 申請（專利權）人: 北京林業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62
• 代理公司: 北京北新智誠知識產權代理有限公司 11100
• 代理人: 張衛華

1.一種基于深度學習的檢測紅脂大小蠹的方法，其特征在于包括以下步驟：

1)采集蠹蟲圖像步驟

采用改造后的集成攝像頭等電子元件的誘捕器定時采集蠹蟲圖像，并傳輸至服務器；

2)預處理圖像步驟

2.1)將原始圖像進行降噪處理然后，對其灰度圖進行霍夫圓檢測，定位誘捕器圓形杯底；

2.2)根據檢測出的圓形的圓心坐標和半徑對原始圖像進行裁剪，裁出方形圖像；

3)將預處理后的圖像輸入模型進行目標檢測步驟

3.1)將圖像輸入Faster R-CNN模型第一階段的RPN網絡，以使用k-means算法改進過的默認框為基準，在原圖生成高質量的區域建議，其中k-means聚類步驟如下：

3.1.1)從n個標注框中選取k個標注框作為聚類中心；

3.1.2)計算其余n-k個標注框到k個聚類中心的最小“距離”，把n-k個最小“距離”的和作為loss，并把最小距離對應的標注框和聚類中心歸為一簇；

3.1.3)分別計算k個簇中所有框的長和寬平均值，并把該平均值選做新的k個聚類中心；

3.1.4)重復3.1.2-3.1.3的步驟，直至loss不再降低；

3.1.5)將k個聚類中心的長和寬作為默認框參數；

3.2)然后使用Faster R-CNN模型的第二階段從3.1)生成的區域建議所對應的特征圖中預測分類和位置微調，輸出若干檢測框的坐標和類別及分類信心，將這些輸出經過后處理后繪制在圖像上。

2.如權利要求1所述的基于深度學習的檢測紅脂大小蠹的方法，其特征在于：

在所述采集蠹蟲圖像步驟中，誘捕器為圓柱形收集杯，杯底為圓形區域；杯壁水平嵌入攝像頭，杯壁附有LED補光燈，為拍攝補光；誘捕器收集杯中含酒精。

3.如權利要求1所述的基于深度學習的檢測紅脂大小蠹的方法，其特征在于：

在所述預處理圖像的定位誘捕器的圓形杯底步驟中，結合圖像中的圓形杯底區域，采用霍夫圓檢測算法，求得圓心坐標和半徑，進而將圖像中杯底的方形區域裁出。

4.如權利要求1所述的基于深度學習的檢測紅脂大小蠹的方法，其特征在于：

在所述的對圖像中紅脂大小蠹進行檢測的Faster R-CNN模型的訓練和應用過程中，使用k-means聚類方法對蠹蟲數據集中的標注框進行聚類分析，將得到的k個聚類中心的長和寬作為二階段目標檢測模型的默認框參數。