[發(fā)明專利]害蟲識(shí)別記數(shù)方法、系統(tǒng)、裝置及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011611861.5
• 申請(qǐng)日: 2020-12-30
• 公開（公告）號(hào): CN112686862A
• 公開（公告）日: 2021-04-20
• 發(fā)明（設(shè)計(jì)）人: 朱旭華;陳渝陽;馮晉;吳弘洋;劉志敏;申智慧;姚波
• 申請(qǐng)（專利權(quán)）人: 浙江托普云農(nóng)科技股份有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): 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(wù)所(特殊普通合伙) 33260
• 代理人: 徐晶晶

本發(fā)明公開一種害蟲識(shí)別記數(shù)方法，包括獲取各個(gè)蟲害種類的圖片形成原始數(shù)據(jù)集，對(duì)原始數(shù)據(jù)集進(jìn)行標(biāo)定處理；對(duì)標(biāo)定的原始數(shù)據(jù)集進(jìn)行第一處理，基于第一處理結(jié)果訓(xùn)練并驗(yàn)證目標(biāo)檢測(cè)模型；選擇種類相似的蟲害圖片進(jìn)行第二處理訓(xùn)練并驗(yàn)證分類模型；采用目標(biāo)檢測(cè)模型對(duì)待檢測(cè)害蟲圖片進(jìn)行對(duì)象檢測(cè)，以獲得害蟲檢測(cè)結(jié)果；基于相似類別的位置信息對(duì)待檢測(cè)害蟲圖片進(jìn)行切割處理，采用分類模型對(duì)切割處理的結(jié)果進(jìn)行害蟲種類分類，以獲得害蟲分類結(jié)果；基于所述位置信息、初步分類結(jié)果和害蟲分類結(jié)果，得到害蟲的種類和數(shù)量。本發(fā)明通過AI圖像識(shí)別技術(shù)完成誘捕昆蟲遠(yuǎn)程的圖像獲取和計(jì)數(shù)功能，對(duì)靶標(biāo)昆蟲進(jìn)行實(shí)時(shí)監(jiān)測(cè)，減少了人工分蟲重新核實(shí)數(shù)據(jù)的不便與不準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及識(shí)別技術(shù)領(lǐng)域，尤其涉及一種害蟲識(shí)別記數(shù)方法、系統(tǒng)、裝置及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

昆蟲信息素(性誘劑)具有專一性強(qiáng)、無抗藥性問題、環(huán)境友好、與其他防治技術(shù)有100％兼容性、顯著提高農(nóng)產(chǎn)品質(zhì)量等優(yōu)勢(shì)，性誘已成為國家倡導(dǎo)綠色防控技術(shù)之一。“昆蟲智慧性誘測(cè)報(bào)”利用性誘劑，將傳統(tǒng)的害蟲性誘捕器與物聯(lián)網(wǎng)信息技術(shù)相結(jié)合，對(duì)農(nóng)、林業(yè)生產(chǎn)中可能為害的昆蟲進(jìn)行監(jiān)測(cè)和生物防治，可指導(dǎo)田間科學(xué)的化學(xué)防治，減低農(nóng)藥使用量，從而減少生產(chǎn)成本并大大提高農(nóng)產(chǎn)品質(zhì)量，使農(nóng)產(chǎn)品增值，在蟲害防治上響應(yīng)預(yù)防為主、綜合防治的植保方針。

在現(xiàn)有技術(shù)中，傳統(tǒng)誘捕器簡(jiǎn)陋，只誘捕不統(tǒng)計(jì)數(shù)據(jù)，無法進(jìn)行監(jiān)測(cè)，達(dá)不到指導(dǎo)防治的效果。市場(chǎng)上已有的性誘測(cè)報(bào)系統(tǒng)產(chǎn)品笨重、不易移動(dòng)、定價(jià)高，普遍存在計(jì)數(shù)誤報(bào)現(xiàn)象，普通用戶有需求而無購買力。目前大數(shù)據(jù)研究比較廣泛，是否可以將大數(shù)據(jù)和傳統(tǒng)誘捕器呢，并且開發(fā)低成本的智慧性誘測(cè)報(bào)系統(tǒng)產(chǎn)品呢，本申請(qǐng)正是解決了這個(gè)問題。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)中的缺點(diǎn)，提供了一種害蟲識(shí)別記數(shù)方法、系統(tǒng)、裝置及可讀存儲(chǔ)介質(zhì)。

為了解決上述技術(shù)問題，本發(fā)明通過下述技術(shù)方案得以解決：

一種害蟲識(shí)別記數(shù)方法，包括以下步驟：

獲取各個(gè)蟲害種類的圖片形成原始數(shù)據(jù)集，對(duì)原始數(shù)據(jù)集進(jìn)行標(biāo)定處理；

對(duì)標(biāo)定的原始數(shù)據(jù)集進(jìn)行第一處理，基于第一處理結(jié)果訓(xùn)練并驗(yàn)證目標(biāo)檢測(cè)模型；基于標(biāo)定的原始數(shù)據(jù)集中選擇種類相似的蟲害圖片進(jìn)行第二處理，基于第二處理結(jié)果訓(xùn)練并驗(yàn)證分類模型；

采用目標(biāo)檢測(cè)模型對(duì)待檢測(cè)害蟲圖片進(jìn)行對(duì)象檢測(cè)，以獲得害蟲檢測(cè)結(jié)果，其中檢測(cè)結(jié)果包括待測(cè)圖片中各個(gè)害蟲的位置信息和得分結(jié)果，基于位置信息和得分結(jié)果得到初步類別和相似類別；

基于相似類別的位置信息對(duì)待檢測(cè)害蟲圖片進(jìn)行切割處理，采用分類模型對(duì)切割處理的結(jié)果進(jìn)行害蟲種類分類，以獲得害蟲分類結(jié)果；

基于所述位置信息、初步分類結(jié)果和害蟲分類結(jié)果，得到害蟲的種類和數(shù)量。

作為一種可實(shí)施方式，所述對(duì)原始數(shù)據(jù)集進(jìn)行第一處理，基于第一處理結(jié)果訓(xùn)練并驗(yàn)證目標(biāo)檢測(cè)模型，具體為：

對(duì)標(biāo)定的原始數(shù)據(jù)集做樣本增強(qiáng)處理并分成訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集，其中，增強(qiáng)處理包括旋轉(zhuǎn)處理、亮度和色調(diào)調(diào)節(jié)處理、去噪聲處理及圖片鏡像處理中的一種或幾種；

將訓(xùn)練數(shù)據(jù)集輸入目標(biāo)檢測(cè)模型進(jìn)行訓(xùn)練，訓(xùn)練完成后將測(cè)試數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集作為輸入，對(duì)訓(xùn)練結(jié)果進(jìn)行驗(yàn)證，進(jìn)而得到目標(biāo)檢測(cè)模型。

作為一種可實(shí)施方式，所述基于標(biāo)定的原始數(shù)據(jù)集中選擇種類相似的蟲害圖片進(jìn)行第二處理，基于第二處理結(jié)果訓(xùn)練并驗(yàn)證分類模型，具體為：

基于害蟲類別的相似程度對(duì)標(biāo)定的原始數(shù)據(jù)集進(jìn)行選擇，選擇出相似的害蟲類別數(shù)據(jù)集，并進(jìn)行切割處理；

基于切割處理結(jié)果做樣本增強(qiáng)處理并分成分類模型訓(xùn)練數(shù)據(jù)集、分類模型測(cè)試數(shù)據(jù)集和分類模型驗(yàn)證集，其中，增強(qiáng)處理包括旋轉(zhuǎn)處理、亮度和色調(diào)調(diào)節(jié)處理、去噪聲處理及圖片鏡像處理中的一種或幾種；