[發(fā)明專利]多尺度特征融合網(wǎng)絡(luò)結(jié)合定位模型的害蟲自動(dòng)計(jì)數(shù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201880024482.0
• 申請(qǐng)日: 2018-09-04
• 公開（公告）號(hào): CN110770752A
• 公開（公告）日: 2020-02-07
• 發(fā)明（設(shè)計(jì)）人: 李瑞;王儒敬;謝成軍;張潔;陳天嬌;陳紅波;胡海瀛;吳曉偉
• 申請(qǐng)（專利權(quán)）人: 安徽中科智能感知產(chǎn)業(yè)技術(shù)研究院有限責(zé)任公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46
• 代理公司: 34138 蕪湖思誠知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 項(xiàng)磊

一種多尺度特征融合網(wǎng)絡(luò)結(jié)合定位模型的害蟲自動(dòng)計(jì)數(shù)方法，其步驟包括：第一步、訓(xùn)練樣本的建立：獲取若干田間自然環(huán)境下害蟲圖像作為訓(xùn)練圖像，且對(duì)圖像中害蟲進(jìn)行標(biāo)記，得到訓(xùn)練樣本；第二步、構(gòu)造害蟲檢測(cè)計(jì)數(shù)模型：構(gòu)造定位模型和多尺度特征融合網(wǎng)絡(luò)，利用定位模型提取訓(xùn)練樣本的候選區(qū)域，再通過多尺度融合網(wǎng)絡(luò)提取候選區(qū)域的特征后對(duì)其分類，并輸出對(duì)應(yīng)圖中的坐標(biāo)值；第三步、待計(jì)數(shù)圖像的獲取：獲取田間拍攝的害蟲圖像，并進(jìn)行預(yù)處理得到待計(jì)數(shù)圖像；第四步、害蟲個(gè)數(shù)的獲得：將待計(jì)數(shù)圖像輸入害蟲檢測(cè)計(jì)數(shù)模型，得到圖像中害蟲個(gè)數(shù)。該方法能夠精準(zhǔn)地定位出害蟲個(gè)數(shù)和具體位置，具有較高的魯棒性與準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域，具體涉及一種多尺度特征融合網(wǎng)絡(luò)結(jié)合定位模型的害蟲自動(dòng)計(jì)數(shù)方法。

背景技術(shù)

小麥?zhǔn)俏覈饕募Z食作物之一，在小麥生產(chǎn)過程中，容易受到多種災(zāi)害，害蟲是其中之一,它刺吸麥葉汁液、甚至干枯，嚴(yán)重影響小麥的產(chǎn)量。害蟲種群數(shù)量的檢測(cè)是害蟲防治的重要手段，為害蟲防治決策提供了理論依據(jù)。因此，田間害蟲的識(shí)別與計(jì)數(shù)對(duì)于提高小麥產(chǎn)量至關(guān)重要。

隨著計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)的快速發(fā)展，基于圖像的害蟲自動(dòng)識(shí)別與計(jì)數(shù)技術(shù)在近年來已成為研究熱點(diǎn)。雖然此方法省時(shí)省力、具有智能化等優(yōu)點(diǎn)，但是其不能適用于田間害蟲的識(shí)別與計(jì)數(shù)。原因在于：首先，害蟲個(gè)體很小只有幾毫米大小，針對(duì)這樣的小目標(biāo)利用傳統(tǒng)的圖像識(shí)別技術(shù)(SVM)很難檢測(cè)到；其次，采集圖像時(shí)，外界環(huán)境的光照不穩(wěn)定、不均勻都會(huì)影響圖像的質(zhì)量；再者，在實(shí)際應(yīng)用中，采集的圖像?；煊衅渌s物，背景較復(fù)雜。

因此，如何在復(fù)雜的環(huán)境下實(shí)現(xiàn)害蟲這類小目標(biāo)的檢測(cè)已經(jīng)成為急需解決的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種多尺度特征融合網(wǎng)絡(luò)結(jié)合定位模型的害蟲自動(dòng)計(jì)數(shù)方法，解決現(xiàn)有技術(shù)針對(duì)小目標(biāo)進(jìn)行圖像檢測(cè)誤差率高，缺乏在復(fù)雜的環(huán)境下實(shí)現(xiàn)對(duì)害蟲這類小目標(biāo)準(zhǔn)確計(jì)數(shù)的缺陷。

所述的基于多尺度特征融合網(wǎng)絡(luò)與定位模型相結(jié)合的害蟲自動(dòng)計(jì)數(shù)方法，包括以下步驟：

第一步、訓(xùn)練樣本的建立：獲取若干田間自然環(huán)境下害蟲圖像作為訓(xùn)練圖像，且對(duì)圖像中害蟲進(jìn)行標(biāo)記，得到訓(xùn)練樣本；

第二步、構(gòu)造害蟲檢測(cè)計(jì)數(shù)模型：構(gòu)造定位模型和多尺度特征融合網(wǎng)絡(luò)，利用定位模型提取訓(xùn)練樣本的候選區(qū)域，再通過多尺度融合網(wǎng)絡(luò)提取候選區(qū)域的特征后對(duì)其分類，并輸出對(duì)應(yīng)圖中的坐標(biāo)值；

第三步、待計(jì)數(shù)圖像的獲?。韩@取田間拍攝的害蟲圖像，并進(jìn)行預(yù)處理得到待計(jì)數(shù)圖像；

第四步、害蟲個(gè)數(shù)的獲得：將待計(jì)數(shù)圖像輸入害蟲檢測(cè)計(jì)數(shù)模型，得到圖像中害蟲個(gè)數(shù)。

優(yōu)選的，所述第二步具體包括下列步驟：

S2.1、構(gòu)造定位模型，定位出害蟲的候選區(qū)域；

S2.2、構(gòu)造多尺度特征融合網(wǎng)絡(luò)，對(duì)多尺度特征融合網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改造以提取害蟲特征；

S2.3、訓(xùn)練多尺度特征融合網(wǎng)絡(luò)，根據(jù)定位模型針對(duì)訓(xùn)練樣本定位出來的候選區(qū)域作為特征進(jìn)行訓(xùn)練，將其每層的輸出結(jié)果作為預(yù)測(cè)結(jié)果。

優(yōu)選的，所述步驟S2.1具體包括下列步驟：

S2.1.1、設(shè)定顏色空間轉(zhuǎn)換模塊：顏色空間轉(zhuǎn)換模塊用于將RGB顏色空間轉(zhuǎn)換為YcbCr顏色空間，并分割為R＝{r₁,r₂,...r_n}個(gè)分割區(qū)域；

S2.1.2、計(jì)算色彩信息相似度：使用L1范式歸一化獲取圖像每個(gè)顏色通道的25個(gè)直方圖，計(jì)算該色彩空間的相似度，其計(jì)算公式如下：