[發明專利]害蟲識別記數方法、系統、裝置及可讀存儲介質

在審

• 申請號: 202011611861.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112686862A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 朱旭華;陳渝陽;馮晉;吳弘洋;劉志敏;申智慧;姚波
• 申請（專利權）人: 浙江托普云農科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T7/90;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州五洲普華專利代理事務所(特殊普通合伙) 33260
• 代理人: 徐晶晶

1.一種害蟲識別記數方法，其特征在于，包括以下步驟：

獲取各個蟲害種類的圖片形成原始數據集，對原始數據集進行標定處理；

對標定的原始數據集進行第一處理，基于第一處理結果訓練并驗證目標檢測模型；基于標定的原始數據集中選擇種類相似的蟲害圖片進行第二處理，基于第二處理結果訓練并驗證分類模型；

采用目標檢測模型對待檢測害蟲圖片進行對象檢測，以獲得害蟲檢測結果，其中檢測結果包括待測圖片中各個害蟲的位置信息和得分結果，基于位置信息和得分結果得到初步類別和相似類別；

基于相似類別的位置信息對待檢測害蟲圖片進行切割處理，采用分類模型對切割處理的結果進行害蟲種類分類，以獲得害蟲分類結果；

基于所述位置信息、初步分類結果和害蟲分類結果，得到害蟲的種類和數量。

2.根據權利要求1所述的害蟲識別記數方法，其特征在于，所述對原始數據集進行第一處理，基于第一處理結果訓練并驗證目標檢測模型，具體為：

對標定的原始數據集做樣本增強處理并分成訓練數據集、測試數據集和驗證數據集，其中，增強處理包括旋轉處理、亮度和色調調節處理、去噪聲處理及圖片鏡像處理中的一種或幾種；

將訓練數據集輸入目標檢測模型進行訓練，訓練完成后將測試數據集和驗證數據集作為輸入，對訓練結果進行驗證，進而得到目標檢測模型。

3.根據權利要求1所述的害蟲識別記數方法，其特征在于，所述基于標定的原始數據集中選擇種類相似的蟲害圖片進行第二處理，基于第二處理結果訓練并驗證分類模型，具體為：

基于害蟲類別的相似程度對標定的原始數據集進行選擇，選擇出相似的害蟲類別數據集，并進行切割處理；

基于切割處理結果做樣本增強處理并分成分類模型訓練數據集、分類模型測試數據集和分類模型驗證集，其中，增強處理包括旋轉處理、亮度和色調調節處理、去噪聲處理及圖片鏡像處理中的一種或幾種；

將分類模型訓練數據集輸入分類模型進行訓練，訓練完成后將分類模型測試數據集和分類模型驗證數據集作為輸入，對訓練結果進行驗證，進而得到分類模型。

4.根據權利要求2所述的害蟲識別記數方法，其特征在于，將訓練數據集輸入目標檢測模型進行訓練步驟之前還包括：

基于k-means聚類算法對目標檢測模型的錨框參數值進行修改。

5.根據權利要求2所述的害蟲識別記數方法，其特征在于，將分類模型訓練數據集輸入分類模型進行訓練步驟之前還包括：

基于前向網絡傳播算法計算分類模型中的損失函數，通過反向傳播算法對分類模型的參數進行更新，得到修正后的分類模型。

6.根據權利要求1所述的害蟲識別記數方法，其特征在于，還包括以下步驟：

對待檢測害蟲圖片進行完善處理，具體為：

將原始數據集中的圖像根據害蟲的身體結構進行歸類，并基于每一類害蟲的結構特征對每個進行標記；

若待檢測害蟲圖片中的害蟲圖像為殘缺圖像，則對圖像中害蟲圖像進行結構特征提取，并將提取的特征與原始數據集中標記的每一類結構特征進行比對，得到比對結果，其中，比對結果至少推薦三組；

基于比對結果補足殘缺害蟲圖像剩余部分，得到害蟲圖像完整的待檢測害蟲圖片。