[發(fā)明專利]用于智能噴藥機器人的美國白蛾幼蟲網(wǎng)幕圖像定位方法

有效

• 申請?zhí)枺?/td>: 201910305842.0
• 申請日: 2019-04-16
• 公開（公告）號: CN110009702B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計）人: 趙穎;高嚴(yán);馮德瀛;張來剛;趙棟杰;孫群
• 申請（專利權(quán)）人: 聊城大學(xué)
• 主分類號: G06T7/90
• 分類號: G06T7/90;G06T7/73;G06T7/62;G06T7/11;G06T5/50;G06N3/08;G06N3/0464
• 代理公司: 北京中索知識產(chǎn)權(quán)代理有限公司 11640
• 代理人: 商金婷

本發(fā)明提供了一種智能噴藥機器人的美國白蛾幼蟲網(wǎng)幕圖像定位方法，屬于智能噴藥機器人的視覺定位領(lǐng)域。該方法包括：步驟1，采集美國白蛾幼蟲網(wǎng)幕圖片，截取圖片中的不同部位作為樣本，對所有樣本進行分類，并利用樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)得到白蛾幼蟲網(wǎng)幕識別模型；步驟2，對智能噴藥機器人采集到的視頻圖像進行穩(wěn)像處理獲得穩(wěn)定的單幀圖像，利用不重合滑動窗口遍歷每幀圖像，得到多個候選框；步驟3，利用所述白蛾幼蟲網(wǎng)幕識別模型對各個候選框進行篩選，得到優(yōu)秀候選框；步驟4，對所有優(yōu)秀候選框進行融合處理，得到一個連續(xù)的目標(biāo)輪廓框，該目標(biāo)輪廓框即為白蛾幼蟲網(wǎng)幕的位置，智能噴藥機器人對該目標(biāo)輪廓框內(nèi)進行噴藥。本發(fā)明能減少藥物浪費。

技術(shù)領(lǐng)域

本發(fā)明屬于智能噴藥機器人的視覺定位領(lǐng)域，具體涉及用于智能噴藥機器?人的美國白蛾幼蟲網(wǎng)幕圖像定位方法。

背景技術(shù)

美國白蛾，是世界性檢疫害蟲，對農(nóng)作物、林木、果樹等造成了嚴(yán)重的危?害。1979年6月在一次調(diào)查農(nóng)作物病蟲害時，首次在我國發(fā)現(xiàn)了美國白蛾它是?從中朝邊境傳入我國遼寧省丹東地區(qū)的。該蟲一般一年發(fā)生3代，每代分幼蟲、?蛹、成蟲三個時期。白蛾幼齡幼蟲常群集寄主葉片上吐絲結(jié)網(wǎng)幕，在網(wǎng)幕內(nèi)取?食寄主的葉肉，受害葉片呈白膜而枯黃，目前常采用人工摘除網(wǎng)幕和化學(xué)藥劑?大規(guī)模噴施的防治方法，但這些方法簡單粗放、污染重、耗費了大量的人力物?力。基于機器視覺的智能精密對靶施藥是解決這一問題的方法之一。

美國白蛾生長環(huán)境的復(fù)雜多變限制了對靶精密噴藥的可能，一般定位方法?不能具備較好的魯棒性和準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)中存在的難題，提供一種用于智能噴?藥機器人的美國白蛾幼蟲網(wǎng)幕圖像定位方法，基于卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)美國白蛾?幼蟲網(wǎng)幕圖像定位，使智能噴藥機器人能夠做出正確的決策，既減少了噴藥量?又可以實現(xiàn)快速噴藥，達(dá)到良好的滅蟲效果。

本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：

一種用于智能噴藥機器人的美國白蛾幼蟲網(wǎng)幕圖像定位方法，包括：

步驟1，采集美國白蛾幼蟲網(wǎng)幕圖片，截取圖片中的不同部位作為樣本，對?所有樣本進行分類，并利用樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)得到白蛾幼蟲網(wǎng)幕識別模型；

步驟2，對智能噴藥機器人采集到的視頻圖像進行穩(wěn)像處理獲得穩(wěn)定的單幀?圖像，利用不重合滑動窗口遍歷每幀圖像，得到多個候選框；

步驟3，利用所述白蛾幼蟲網(wǎng)幕識別模型對各個候選框進行篩選，得到優(yōu)秀?候選框；

步驟4，對所有優(yōu)秀候選框進行融合處理，得到一個連續(xù)的目標(biāo)輪廓框，該?目標(biāo)輪廓框即為白蛾幼蟲網(wǎng)幕的位置，智能噴藥機器人對該目標(biāo)輪廓框內(nèi)進行?噴藥。

所述步驟1中的對樣本進行分類的操作包括：將所有樣本分為三類，分別?為白蛾網(wǎng)幕類、有白蛾網(wǎng)幕類和無白蛾網(wǎng)幕類；其中屬于白蛾網(wǎng)幕類的是絕大?部分區(qū)域含有白蛾網(wǎng)幕的樣本，屬于有白蛾網(wǎng)幕類是有小部分區(qū)域含有白蛾網(wǎng)?幕的樣本，屬于無白蛾網(wǎng)幕類的是無白蛾網(wǎng)幕的樣本。

所述步驟1中的利用樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)得到白蛾幼蟲網(wǎng)幕識別模型的?操作包括：

(11)建立卷積神經(jīng)網(wǎng)絡(luò)；

(12)將所有樣本中的一部分作為測試集，另一部分作為驗證集；

(13)利用測試集和驗證集對所述卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到訓(xùn)練好的?卷積神經(jīng)網(wǎng)絡(luò)，即白蛾幼蟲網(wǎng)幕識別模型。

所述步驟(11)中建立的卷積神經(jīng)網(wǎng)絡(luò)包括輸入層、第一卷積層、第二卷?積層、第三卷積層、全局均值池化層、輸出層。

所述步驟(13)中的利用測試集和驗證集對所述卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練的?操作包括：