[發明專利]一種基于卷積神經網絡的核桃蟲害識別系統及檢測方法

在審

• 申請號: 202111118194.1
• 申請日: 2021-09-22
• 公開（公告）號: CN113837073A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 黃汝維;華蓓;梁瓊禎
• 申請（專利權）人: 廣西大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06F16/951;G06F16/53
• 代理公司: 深圳紫晴專利代理事務所(普通合伙) 44646
• 代理人: 孟蓮

1.一種基于卷積神經網絡的核桃蟲害識別檢測方法，其特征在于，包括以下步驟：

第一步，數據采集，因為病蟲的圖片比較少，所以采用網絡爬蟲的方法進行獲得相應的蟲害圖片，在初步刪除重復照片之后，篩選出不一樣的照片作為測試集，由于不同的蟲害之間的照片數量差距巨大，會導致卷積網絡訓練的效果不佳和性能下降，所以采用數據增強的辦法，對數據量小的病蟲害進行數據增強，使得各物種之間的數據量大小差距不大；

第二步，分別構建大型和小型卷積神經網絡模型；

第三步，優化卷積神經網絡模型，在對大型卷積神經網絡模型采用現代學習方式的基礎下，采用數據蒸餾的方式通過教師模型，對學生模型進行訓練，現能夠對常見的核桃11種病蟲識別率高達85％，而且移動端的模型大小僅為30Mb，速度上也是大型網絡ResNet101的三倍；

第四步，系統的設計和實現，采用了Flask、ajax和pytorch-android工具，開發了網頁端的蟲害預警系統和移動端的蟲害識別系統，包括蟲害識別、蟲害信息上傳和全國蟲害信息查看功能，實現了用戶可以通過手機端對核桃蟲害進行識別，識別完成之后用戶可以通過選擇是否上傳蟲害信息，如果上傳則將相應的蟲害信息上傳到數據庫當中，核桃蟲害預警網頁每隔一秒進行更新相應數據的效果。

2.根據權利要求1的一種基于卷積神經網絡的核桃蟲害識別檢測方法，其特征在于，第一步中，蟲害圖片包括11類昆蟲，分別為核桃小吉丁蟲、芳香木蠹蛾成蟲、芳香木蠹蛾幼蟲、核桃綴葉螟、黃刺蛾成蟲、黃刺蛾幼蟲、美國白蛾成蟲、美國白蛾幼蟲、云斑天牛、舞毒蛾成蟲、舞毒蛾幼蟲。

3.根據權利要求1的一種基于卷積神經網絡的核桃蟲害識別檢測方法，其特征在于，第一步中，數據增強的方式主要是添加高斯噪聲和旋轉圖片。

4.根據權利要求1的一種基于卷積神經網絡的核桃蟲害識別檢測方法，其特征在于，第二步中，選擇ResNet優化后的ResNet-101作為教師模型。

5.根據權利要求1的一種基于卷積神經網絡的核桃蟲害識別檢測方法，其特征在于，第三步中，學生模型為EfficientNet-b1模型，EfficientNet-b1模型不僅體積小，而且運算速度快、精度高，因此適用于移動端。

6.根據權利要求1的一種基于卷積神經網絡的核桃蟲害識別檢測方法，其特征在于，第三步中，知識蒸餾為先訓練一個優良的教師模型，再用優良的教師模型去訓練學生模型，使得學生模型的性能和精度都與教師模型相近，最后根據不同模型的優點放入不同的場景當中使用。

7.根據權利要求1的一種基于卷積神經網絡的核桃蟲害識別檢測方法，其特征在于，第三步中，知識蒸餾中的梯度計算如公式為：其中，f函數是將輸出對數進行歸一化，λ是權衡函數，lavg是教師輸出的正則化的平均值，τ是溫度函數。

8.一種基于卷積神經網絡的核桃蟲害識別系統，其特征在于，包括蟲害識別APP和蟲害預警網頁，蟲害識別APP包括手機拍照/相冊、蟲害信息上傳和查看相關蟲害，蟲害預警網頁包括蟲害信息更新和蟲害信息瀏覽，基于卷積神經網絡的核桃蟲害識別系統采用如權利要求1-7中任意一項的基于卷積神經網絡的核桃蟲害識別檢測方法。

9.根據權利要求8的一種基于卷積神經網絡的核桃蟲害識別系統，其特征在于，蟲害識別APP用于對蟲害的識別，農戶識別蟲害之后，APP將會自動上傳蟲害的信息，比如蟲害的發生地和蟲害的名稱，上傳的蟲害信息會自動更新到相應的數據庫的當中，蟲害預警網頁則從數據庫中獲得相應的數據并且展示給全國的農戶。

10.根據權利要求8的一種基于卷積神經網絡的核桃蟲害識別系統，其特征在于，蟲害預警網頁用于根據蟲害識別APP端自動上傳的數據，如蟲害的發生地和蟲害的名稱，蟲害網頁端可提供預警信息，網頁每隔1000毫秒會對蟲害地圖進行刷新。