[發明專利]一種基于深度卷積神經網絡的雙翅目昆蟲識別方法

在審

• 申請號: 202010471036.3
• 申請日: 2020-05-28
• 公開（公告）號: CN111652247A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 陳彥彤;王俊生;張獻中
• 申請（專利權）人: 大連海事大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04;G06K9/62;G06T7/70
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

本發明提供一種基于深度卷積神經網絡的雙翅目昆蟲識別方法，包括以下步驟：采集雙翅目昆蟲圖像，制作雙翅目昆蟲圖像的數據集；對所述數據集進行數據增強；構建改進的RetinaNet目標檢測模型；設置訓練參數，通過所述數據集訓練所述RetinaNet目標檢測模型；基于訓練完成的目標檢測模型，對所述雙翅目昆蟲的測試集圖像進行分類和定位。本發明提供了一種基于深度卷積神經網絡的雙翅目昆蟲識別方法，采用RetinaNet目標檢測模型，同時加入改進的卷積塊注意力模塊，改進特征金字塔網絡，使得不需要耗費大量的人力物力，也能夠解決對手工設計特征依賴的問題，圖像采集方法操作簡單。

技術領域

本發明涉及昆蟲種類識別的領域，特別是涉及一種基于深度卷積神經網絡的雙翅目昆蟲識別方法。

背景技術

雙翅目是昆蟲綱中僅次于鞘翅目、鱗翅目、膜翅目的第四大目。雙翅目是屬于完全變態的昆蟲，只有一對翅膀，軀體一般都短寬或纖細，呈圓筒形或球形，體長極少超過25毫米。雙翅目昆蟲食性廣而雜，大致分成植食性，腐食性或糞食性，捕食性和寄生性。雙翅目昆蟲與人們的生活息息相關，其中有些種類在人和動物間傳播細菌、寄生蟲、病毒等病原體，也包括種蠅、葉潛蠅、果實蠅、麥癭蚊等的幼蟲，是農業的重要害蟲。因此，有效識別雙翅目昆蟲的種類，對人和動物的健康成長和農林病蟲害防治有著重要的意義。

雙翅目昆蟲種類繁多，且形態十分相近，不易區分。傳統的識別方法主要通過人們觀察昆蟲的形狀，顏色和紋理等多種特征進行識別，但是這種方法需要耗費大量的人力和時間，尤其是人們在長時間的工作下，降低了識別的準確率。傳統的機器學習識別方法通常采用特征提取與分類器相結合的方式，但是需要人為選擇特征參數，存在對手工設計特征依賴的問題，影響識別結果的準確性和穩定性。隨著卷積神經網絡的迅速發展，利用深度學習可以進行昆蟲種類的識別。目標檢測領域的深度學習算法主要分為兩階段目標檢測算法和單階段目標檢測算法，其中兩階段目標檢測算法存在著耗費檢測時間的問題；單階段目標檢測算法的檢測速度快，但識別具有相似特征的不同目標準確率低，尤其是識別形狀，顏色和紋理等多種特征相似的雙翅目昆蟲。

發明內容

根據上述提出的技術問題，而提供一種基于深度卷積神經網絡的雙翅目昆蟲識別方法其特征在于，包括以下步驟：

步驟S1：采集雙翅目昆蟲圖像，制作雙翅目昆蟲圖像的數據集；

步驟S2：對所述數據集進行數據增強，將增強后的所述數據集按照比例為8:1:1，且每種雙翅目昆蟲圖像數量均等的方式進行分類，分為訓練集、驗證集和測試集，通過labelImg圖像標注工具對所述數據集中的雙翅目昆蟲進行標注生成XML格式的標注圖像；

所述數據集進行數據增強包括：對所述數據集圖像進行90°旋轉，所述數據集圖像縮放20％并進行局部模糊處理；

步驟S3：構建改進的RetinaNet目標檢測模型；

步驟S4：設置訓練參數，通過所述數據集訓練所述RetinaNet目標檢測模型；

步驟S5：基于訓練完成的目標檢測模型，對所述雙翅目昆蟲的測試集圖像進行分類和定位。

較現有技術相比，本發明具有以下優點：

本發明提供了一種基于深度卷積神經網絡的雙翅目昆蟲識別方法，不需要耗費大量的人力物力，解決對手工設計特征依賴的問題，圖像采集方法操作簡單。本發明采用RetinaNet目標檢測模型，以ResNeXt網絡作為特征提取網絡，在特征提取網絡中加入改進注意力模塊，增強了卷積神經網絡的表達能力，有效地提高網絡中的信息流動，并且改進特征金字塔網絡FPN，解決了雙翅目昆蟲因形狀，顏色和紋理等多種特征相似而導致識別準確率低的問題。

附圖說明