[發明專利]預測大型真菌種類的方法及裝置

有效

• 申請號: 202010574891.7
• 申請日: 2020-06-22
• 公開（公告）號: CN111860601B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 王建新;肖杰文;趙鋮博;李欣潔;龐博;劉鐘鈺;楊彝華
• 申請（專利權）人: 北京林業大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

本發明公開了一種預測大型真菌種類的方法及裝置，屬于圖像識別技術領域。所述方法包括：獲取大型真菌的待處理圖像；對所述待處理圖像進行圖像預處理操作，得到待識別圖像；基于所述待識別圖像以及預先訓練的大型真菌分類識別模型，預測所述待識別圖像的大型真菌對應的種類。采用本發明，可以提高大型真菌種類識別的準確率。

技術領域

本發明涉及圖像識別技術領域，特別涉及一種預測大型真菌種類的方法及裝置。

背景技術

大型真菌俗稱蘑菇，是除動物、植物外一類重要的真核生物。據報告(State ofthe World’s Fungi 2018)統計，世界共有14余萬種大型真菌被報道，在中國被報道的可食用菌有1020種，可藥用菌有692種，毒菌有480種。因此大型真菌分類是一項龐大且復雜的工作。傳統分類學依靠分類學家對大型真菌特征進行鑒別，從而預測大型真菌種類。

隨著計算機科學發展，生物識別領域已經成為一個熱點。基于圖像處理的大型真菌分類識別領域工作較為薄弱。目前存在一些對大型真菌種類進行分類識別的算法，如通過降梯度神經網絡實現大型真菌分類識別的算法等。但存在的問題是，該神經網絡對大型真菌這類邊緣形態差異不顯著的圖像分類優勢較弱，且該算法要求對圖像進行背景去除的預處理方法，這將導致該算法在實際環境中和復雜背景下應用時，由于背景不能完全去除，導致在解決復雜環境下，傳統大型真菌分類的準確率較低。

發明內容

本發明實施例提供了一種預測大型真菌種類的方法及裝置，可以減小計算復雜度，并增加大型真菌分類的準確性。所述技術方案如下：

一方面，提供了一種預測大型真菌種類的方法，該方法應用于電子設備，該方法包括：

獲取大型真菌的待處理圖像；

對所述待處理圖像進行圖像預處理操作，得到待識別圖像；

基于所述待識別圖像以及預先訓練的大型真菌分類識別模型，預測所述待識別圖像的大型真菌對應的種類。

可選地，所述大型真菌分類識別模型包括多個卷積神經網絡CNN子模型以及單層感知器子模型，優選地，多個CNN子模型可以包括ShuffleNetV2、MobileNetV2和經典CNN結構AlexNet；

所述大型真菌分類識別模型的訓練過程如下：

獲取多個第一訓練樣本，其中，所述第一訓練樣本包括第一樣本圖像以及對應的樣本類別；

對所述多個第一訓練樣本中的樣本圖像進行圖像預處理操作；

基于所述多個第一訓練樣本，對多個CNN子模型分別進行迭代訓練；

確定訓練后的多個CNN子模型的準確率，根據所述多個CNN子模型的準確率，對每個CNN子模型賦予權重；

基于賦予權重的多個CNN子模型以及單層感知器子模型，構建大型真菌分類識別模型。

可選地，所述圖像預處理操作包括但不限于水平翻轉、垂直翻轉、隨機角度旋轉、隨機比例縮放、顏色增強、RGB2HSV、歸一化操作。

可選地，所述基于賦予權重的多個CNN子模型以及單層感知器子模型，構建大型真菌分類識別模型，包括：

基于多個CNN子模型賦予的權重，構建加權平均分類器；

連接所述多個CNN子模型、所述單層感知器子模型與所述加權平均分類器，構建初始大型真菌分類識別模型；

通過多個第二訓練樣本，對所述待訓練大型真菌分類識別模型進行訓練，得到大型真菌分類識別模型。

可選地，所述CNN子模型包括多個全連接層；