[發(fā)明專利]一種適用于小目標樣本的果園害蟲智能定位與識別方法

有效

• 申請?zhí)枺?/td>: 202011388299.4
• 申請日: 2020-12-01
• 公開（公告）號: CN112508012B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設計）人: 蔡衛(wèi)明;龐海通;張一濤;馬龍華
• 申請（專利權）人: 浙大寧波理工學院
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/25;G06V10/74;G06Q50/02
• 代理公司: 寧波甬致專利代理有限公司 33228
• 代理人: 李迎春

本發(fā)明通過分析果園害蟲的自身特點，結合深度學習和計算機視覺技術，實現(xiàn)彩色圖像范圍內害蟲小目標樣本的定位和識別，同時通過計算害蟲的生長分布，通過多種害蟲共同定位某一種生長條件的手段，判定當前環(huán)境導致害蟲容易生長的因素，對于促進農(nóng)林業(yè)害蟲識別和防治領域的發(fā)展具有重要的意義。

技術領域

本發(fā)明涉及農(nóng)林業(yè)害蟲智能檢測和識別技術領域，尤其是涉及一種適用于小目標樣本的果園害蟲智能定位與識別方法。

背景技術

目前，我國的農(nóng)業(yè)現(xiàn)代化水平不斷提高并深入發(fā)展，農(nóng)產(chǎn)品的消費水平升級加快，并且我國已經(jīng)成為世界上果品生產(chǎn)種植規(guī)模最大、種類最多的國家之一。然而，果樹在生長的過程中卻經(jīng)常受到蟲害的侵擾，果實的質量和產(chǎn)量都受到了不同程度的影響，給果品產(chǎn)業(yè)帶來了巨大的經(jīng)濟損失。因此，為了最大程度的減輕蟲害帶來的損失，需要對果園害蟲進行及時、準確的識別和測報。

現(xiàn)有的果園檢測和識別方式主要有兩種，一種是采用人工方式，依托豐富的種植經(jīng)驗實現(xiàn)對果園害蟲的檢測和識別；另一種是采用機器視覺的手段。前者不易于推廣，且檢測和識別效果較差、工作效率較低、智能化水平較低；后者應用技術不成熟，同樣存在諸多缺陷，尤其對于圖片中害蟲小目標的檢測和識別效果較差，圖像中害蟲漏檢現(xiàn)象嚴重。

近些年，深度學習、計算機視覺等人工智能新興技術領域快速發(fā)展。基于卷積神經(jīng)網(wǎng)絡的計算機視覺技術逐漸應用于人臉檢測、車輛檢測、智能安防等諸多領域，并取得了較為優(yōu)異的成果。

通過分析果園害蟲的自身特點，結合深度學習和計算機視覺技術，實現(xiàn)彩色圖像范圍內害蟲小目標樣本的定位和識別對于促進農(nóng)林業(yè)害蟲識別和防治領域的發(fā)展具有重要的意義。

發(fā)明內容

本發(fā)明所要解決的技術問題是提供一種大大減小人工強度，能對果園害蟲進行高效、準確地定位和識別的視覺檢測方法。

本發(fā)明所采用的技術方案是，一種適用于小目標樣本的果園害蟲智能定位與識別方法，包括：

S1、對原始數(shù)據(jù)圖片進行預處理；

S2、使用公共特征提取器對預處理后的圖片進行特征提取獲取包含小目標特征信息的高維通道特征圖；

S3、在高維通道特征圖的基礎上采用錨點機制獲取區(qū)域候選框，并采用邊框回歸進行坐標點偏移量微調；

S4、采用感興趣區(qū)域的區(qū)域匹配機制解決量化過程的精度損失問題，生成感興趣區(qū)域特征圖；

S5、采用邊框回歸實現(xiàn)三維彩色圖像中的害蟲定位并使用多分類器層確定害蟲類別，同時記錄該害蟲所在植株；

S6、獲取每一類害蟲在果園中的分布情況，計算不同類害蟲的分布相似度，分析得到當前果園影響害蟲分布生長的環(huán)境因素。

本發(fā)明的有益效果是：(1)本發(fā)明是一種智能化的果園害蟲定位和識別方法，可以提高檢測識別精度、降低人工工作強度，實現(xiàn)高效準確的果園害蟲定位和識別。(2)本發(fā)明所提出的方法適用于果樹害蟲中小目標害蟲樣本的識別，可以提高小目標害蟲樣本的檢測精度。(3)通過計算害蟲的生長分布，通過多種害蟲共同定位某一種生長條件的手段，判定當前環(huán)境的什么因素導致害蟲容易生長

作為優(yōu)先，所述預處理包括對原始彩色數(shù)據(jù)圖片的格式歸一化、尺寸歸一化，上述處理有利于后續(xù)的數(shù)據(jù)識別和定位。

作為優(yōu)先，所述公共特征提取器包括更迭反復的卷積層與池化層，對卷積神經(jīng)網(wǎng)絡前端特征圖信息按行和列隔點采樣，并在通道維度上進行拼接的pass through層，在每一個池化層前一層引入pass through機制，將前一層的特征圖按行和列隔點提取，然后按照通道維度拼接到池化層的后一層生成新的特征層，實現(xiàn)低分辨率信息特征融合與保留。

作為優(yōu)先，所述S3包括：