[发明专利]基于深度学习的检测红脂大小蠹的方法

权利要求书

1.一种基于深度学习的检测红脂大小蠹的方法，其特征在于包括以下步骤：

1)采集蠹虫图像步骤

采用改造后的集成摄像头等电子元件的诱捕器定时采集蠹虫图像，并传输至服务器；

2)预处理图像步骤

2.1)将原始图像进行降噪处理然后，对其灰度图进行霍夫圆检测，定位诱捕器圆形杯底；

2.2)根据检测出的圆形的圆心坐标和半径对原始图像进行裁剪，裁出方形图像；

3)将预处理后的图像输入模型进行目标检测步骤

3.1)将图像输入Faster R-CNN模型第一阶段的RPN网络，以使用k-means算法改进过的默认框为基准，在原图生成高质量的区域建议，其中k-means聚类步骤如下：

3.1.1)从n个标注框中选取k个标注框作为聚类中心；

3.1.2)计算其余n-k个标注框到k个聚类中心的最小“距离”，把n-k个最小“距离”的和作为loss，并把最小距离对应的标注框和聚类中心归为一簇；

3.1.3)分别计算k个簇中所有框的长和宽平均值，并把该平均值选做新的k个聚类中心；

3.1.4)重复3.1.2-3.1.3的步骤，直至loss不再降低；

3.1.5)将k个聚类中心的长和宽作为默认框参数；

3.2)然后使用Faster R-CNN模型的第二阶段从3.1)生成的区域建议所对应的特征图中预测分类和位置微调，输出若干检测框的坐标和类别及分类信心，将这些输出经过后处理后绘制在图像上。

2.如权利要求1所述的基于深度学习的检测红脂大小蠹的方法，其特征在于：

在所述采集蠹虫图像步骤中，诱捕器为圆柱形收集杯，杯底为圆形区域；杯壁水平嵌入摄像头，杯壁附有LED补光灯，为拍摄补光；诱捕器收集杯中含酒精。

3.如权利要求1所述的基于深度学习的检测红脂大小蠹的方法，其特征在于：

在所述预处理图像的定位诱捕器的圆形杯底步骤中，结合图像中的圆形杯底区域，采用霍夫圆检测算法，求得圆心坐标和半径，进而将图像中杯底的方形区域裁出。

4.如权利要求1所述的基于深度学习的检测红脂大小蠹的方法，其特征在于：

在所述的对图像中红脂大小蠹进行检测的Faster R-CNN模型的训练和应用过程中，使用k-means聚类方法对蠹虫数据集中的标注框进行聚类分析，将得到的k个聚类中心的长和宽作为二阶段目标检测模型的默认框参数。