[發明專利]一種智能識別和預警害蟲的方法及系統

在審

• 申請號: 201810794841.2
• 申請日: 2018-07-19
• 公開（公告）號: CN110659659A
• 公開（公告）日: 2020-01-07
• 發明（設計）人: 黃桂芳;劉嘉惠;成秋喜;李權;韓藍青
• 申請（專利權）人: 清華珠三角研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/40
• 代理公司: 44326 廣州容大專利代理事務所(普通合伙)
• 代理人: 劉新年

本發明涉及生物信息領域，具體涉及一種智能識別和預警害蟲的方法及系統。本發明通過收集害蟲圖像數據，并對害蟲圖像數據增強處理；對害蟲圖像數據進行除噪處理和標注；通過卷積神經網絡對害蟲圖像數據進行訓練和遷移學習；將目標害蟲圖像導入訓練好的神經網絡中對害蟲類別進行預測；統計生成害蟲圖像現有數據信息和害蟲預警數據信息。可將該方法拓展至用于檢測田間植物，檢測昆蟲，檢測害蟲視頻，并且不受外界多方面影響，實現實時分類；可以自動識別害蟲種類與統計害蟲數量，提供更高的識別準確度與解放更多人力，節省時間和人力，并且可以對害蟲進行預警。

技術領域

本發明涉及生物信息領域，具體涉及一種智能識別和預警害蟲的方法及系統。

背景技術

在生物信息領域中，對害蟲判別和預警，現階段主要是依靠：

1、人工識別：傳統人工識別主要是直接用肉眼或需借助顯微鏡等工具判別害蟲種類，并對其數量進行統計。該方法工作量極大，識別效率低，且長時間工作不可避免地會出現人為誤差，對檢測人員要求高，需要有豐富的害蟲相關先驗知識。

2、依靠聲音識別：搭建害蟲聲音采集相關環境，通過害蟲鳴叫、運動、采食等行為發出的聲音來識別害蟲。該方法搭建聲音采集環境較難，識別精度容易受到各種噪聲的影響，而且識別的害蟲種類較少，故在實際場景中較難應用。

3、傳統圖像算法：采用誘捕害蟲+人工分析的方法/模式識別方法，時間長并且耗費人力。傳統圖像算法主要是通過分析害蟲各種形態、體積大小、害蟲顏色來做到對害蟲檢測。其識別過程簡單，算法適應能力較差，容易受環境改變各種因素的影響。

發明內容

針對以上計算量大，特征提取難度大，并易損失其他特征等問題的缺陷，本發明提供一種智能識別和預警害蟲的方法及系統，使對智能識別和預警害蟲省時省力，而且準確率高。

本發明具體通過以下技術方案實現：

一種智能識別和預警害蟲的方法，所述方法具體包括如下步驟：

步驟S10，收集害蟲圖像數據，并對害蟲圖像數據增強處理；

步驟S20，對害蟲圖像數據進行除噪處理和標注；

步驟S30，通過神經網絡對害蟲圖像數據進行訓練和遷移學習；

步驟S40，將目標害蟲圖像導入訓練好的神經網絡中對害蟲類別進行預測；

步驟S50，統計生成害蟲圖像現有數據信息和害蟲預警數據信息。

進一步地，于步驟S10之前，還包括步驟：

步驟S100，對害蟲圖像進行數據變換。

進一步地，所述對害蟲圖像數據進行標注為標注出圖片中每一只害蟲具體位置以及所屬類別；

進一步地，步驟S30中，所述的神經網絡為卷積神經網絡,

所述卷積神經網絡具體為：端到端深度神經網絡；

所述端到端深度神經網絡包括特征提取網絡和目標預測網絡；

所述特征提取網絡為43層且帶有殘差結構的深層卷積神經網絡；

所述目標預測網絡為多尺度預測結構卷積神經網絡。

為達到上述目的，本發明還提供一種智能識別和預警害蟲的系統，所述系統包括：

數據獲取單元，用于收集害蟲圖像數據，并對害蟲圖像數據增強處理；

數據標注單元，用于對害蟲圖像數據進行除噪處理和標注；

訓練和遷移單元，用于通過神經網絡對害蟲圖像數據進行訓練和遷移學習；