[發明專利]基于深度學習的多特征聯合的植物線蟲檢測方法及系統

有效

• 申請號: 202110364547.X
• 申請日: 2021-04-02
• 公開（公告）號: CN112990341B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 莊佳衍;顧建鋒;朱瑩;肖江劍;朱屹;劉陽明
• 申請（專利權）人: 中國科學院寧波材料技術與工程研究所
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06K9/62;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京利豐知識產權代理事務所(特殊普通合伙) 32256
• 代理人: 艾中蘭;王鋒

1.一種基于深度學習的多特征聯合的植物線蟲檢測方法，其特征在于，包括如下步驟：

S0、建立包括松材線蟲圖像和擬松材線蟲圖像的植物線蟲圖像數據集；

S1、利用第一深度學習神經網絡提取植物線蟲的關鍵特征，包括如下步驟：

S11、建立植物線蟲圖像訓練數據集；

將所述植物線蟲圖像數據集分為松材線蟲圖像組和擬松材線蟲圖像組，并從每一組植物線蟲圖像中隨機篩選出相同數目的圖像組成一組，利用標注工具對該組植物線蟲圖像的頭部和尾部區域進行標注，作為植物線蟲圖像訓練數據集；

S12、植物線蟲關鍵特征區域初步檢測；

利用所述植物線蟲圖像訓練數據集對第一深度學習神經網絡進行訓練，得到關鍵特征提取的初步訓練模型；

S13、修正初步訓練模型；

利用所述初步訓練模型對所述植物線蟲圖像數據集中的剩余圖像進行檢測，將檢測結果錯誤的圖像加入到所述植物線蟲圖像訓練數據集中，重復步驟S12-步驟S13，直到完成所述植物線蟲圖像數據集中所有植物線蟲圖像的正確檢測，得到所述植物線蟲圖像數據集的關鍵特征提取模型；

S14、提取植物線蟲關鍵特征；

利用所述關鍵特征提取模型對所述植物線蟲圖像數據集的所有植物線蟲圖像進行關鍵特征提取，分別提取出植物線蟲的頭部特征、雌線蟲尾部特征以及雄線蟲尾部特征；

S2、利用第二深度學習神經網絡對植物線蟲種類進行檢測，包括如下步驟：

S21、植物線蟲圖像數據集分組；

根據提取的植物線蟲的關鍵特征，將所述植物線蟲圖像數據集分為三組，其中第一組圖像數據集僅包含雌線蟲尾部特征，第二組圖像數據集包含線蟲頭部特征和雌線蟲尾部特征，第三組圖像數據集包含線蟲頭部特征和雌線蟲尾部特征及雄線蟲尾部特征；

S22、多特征聯合訓練分類識別網絡；

利用所述三組圖像數據集分別對第二深度學習神經網絡進行訓練，得到三種檢測強化模型，包括雌線蟲尾部特征單特征檢測強化模型，線蟲頭部特征和雌線蟲尾部特征雙特征聯合檢測強化模型，線蟲頭部特征和雌線蟲尾部特征及雄線蟲尾部特征三特征聯合檢測強化模型；

S23、植物線蟲種類識別；

根據待檢測圖像標注的特征點，選擇所述三種檢測強化模型之一，對待檢測的植物線蟲圖像進行檢測，確定該植物線蟲屬于松材線蟲或擬松材線蟲。

2.如權利要求1所述的基于深度學習的多特征聯合的植物線蟲檢測方法，其特征在于：所述第一深度學習神經網絡為Fast-RCNN神經網絡，所述第二深度學習神經網絡為VGG16神經網絡。