[發明專利]基于機器學習的黃蜂遷移預測方法、系統、設備和介質

在審

• 申請號: 202210278653.0
• 申請日: 2022-03-21
• 公開（公告）號: CN114722921A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 龍漢;郭云霄;趙潤豪;謝欣嘉;馮凱源;尹江婷;蓋順;周尚德;喻鐘意;許英龍
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10;G06V10/50;G06V10/764;G06V10/774
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

1.一種基于機器學習的黃蜂遷移預測方法，其特征在于，包括步驟：

獲取目標地區的氣候數據和歷史報告數據；所述氣候數據包括所述目標地區的溫度數據和濕度數據，所述歷史報告數據包括所述目標地區內各地點報告的疑似大黃蜂圖像；

利用檢測和分類系統對所述歷史報告數據進行大黃蜂檢測，將識別為大黃蜂的黃蜂圖像添加至黃蜂數據集；

將所述氣候數據和所述黃蜂數據集輸入構建的蜂后遷移預測模型，輸出所述目標地區預測的黃蜂分布地圖并計算地圖區域的黃蜂值；

其中，所述蜂后遷移預測模型基于蒙特卡羅計算構建，所述蜂后遷移預測模型中設定蜂后向適合黃蜂生存的方向移動的概率最大且每個蜂巢中蜂后數量受環境隨機因子約束，所述黃蜂值用于指示大黃蜂出現相應地區的概率。

2.根據權利要求1所述的基于機器學習的黃蜂遷移預測方法，其特征在于，利用檢測和分類系統對所述歷史報告數據進行大黃蜂檢測的過程，包括：

利用單鏡頭多盒檢測器對所述歷史報告數據進行目標檢測，識別并分割出包含昆蟲的檢測圖像；

利用訓練好的半監督支持向量機對所述檢測圖像進行分類，輸出識別為大黃蜂的黃蜂圖像。

3.根據權利要求2所述的基于機器學習的黃蜂遷移預測方法，其特征在于，利用檢測和分類系統對所述歷史報告數據進行大黃蜂檢測的過程，還包括：

將未檢測到昆蟲的所述歷史報告數據輸出至手動操作端；

獲取所述手動操作端返回的手動檢測結果；所述手動檢測結果為包含大黃蜂的檢測圖像或不包含大黃蜂的無效圖像。

4.根據權利要求2或3所述的基于機器學習的黃蜂遷移預測方法，其特征在于，利用訓練好的半監督支持向量機對所述檢測圖像進行分類的過程，還包括：

將所述半監督支持向量機對所述檢測圖像分類得到的黃蜂圖像輸出至手動操作端；

獲取所述手動操作端返回的檢查結果；所述檢查結果用于指示所述黃蜂圖像上的昆蟲為大黃蜂或非大黃蜂。

5.根據權利要求2所述的基于機器學習的黃蜂遷移預測方法，其特征在于，所述半監督支持向量機在訓練過程中引入核函數。

6.根據權利要求2或5所述的基于機器學習的黃蜂遷移預測方法，其特征在于，所述半監督支持向量機的訓練過程中，包括：

采用定向梯度直方圖方法對輸入圖像進行特征提取；

采用主成分分析法對提取的特征向量進行降維處理。

7.一種基于機器學習的黃蜂遷移預測系統，其特征在于，包括：

數據獲取模塊，用于獲取目標地區的氣候數據和歷史報告數據；所述氣候數據包括所述目標地區的溫度數據和濕度數據，所述歷史報告數據包括所述目標地區內各地點報告的疑似大黃蜂圖像；

檢測分類模塊，用于利用檢測和分類系統對所述歷史報告數據進行大黃蜂檢測，將識別為大黃蜂的黃蜂圖像添加至黃蜂數據集；

預測輸出模塊，用于將所述氣候數據和所述黃蜂數據集輸入構建的蜂后遷移預測模型，輸出所述目標地區預測的黃蜂分布地圖并計算地圖區域的黃蜂值；

其中，所述蜂后遷移預測模型基于蒙特卡羅計算構建，所述蜂后遷移預測模型中設定蜂后向適合黃蜂生存的方向移動的概率最大且每個蜂巢中蜂后數量受環境隨機因子約束，所述黃蜂值用于指示大黃蜂出現相應地區的概率。

8.根據權利要求7所述的基于機器學習的黃蜂遷移預測系統，其特征在于，所述檢測和分類系統包括單鏡頭多盒檢測器和分類器；分類器為半監督支持向量機；

所述單鏡頭多盒檢測器用于對所述歷史報告數據進行目標檢測，識別并分割出包含昆蟲的檢測圖像；

所述分類器用于對所述檢測圖像進行分類，輸出識別為大黃蜂的黃蜂圖像。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6任一項所述的基于機器學習的黃蜂遷移預測方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6任一項所述的基于機器學習的黃蜂遷移預測方法的步驟。