[发明专利]一种面向信息素诱捕器的红脂大小蠹检测器优化方法

说明书

本发明公开了一种面向信息素诱捕器的红脂大小蠹检测器优化方法，优化基础为RetinaNet检测器，采用该方法优化后得到一轻量级红脂大小蠹检测器，该方法用于对嵌入信息素诱捕器收集杯中的摄像头采集的蠹虫图像进行检测，以检测出其中的小蠹科害虫的种类和个数，包括(1)数据增强，(2)损失函数，(3)特征提取器优化，(4)特征金字塔优化，(5)预测模块优化。本发明提供的面向信息素诱捕器的红脂大小蠹检测器优化方法针对蠹虫样本的特点和检测器部署的需要对RetinaNet检测器进行了优化，克服了RetinaNet检测器在红脂大小蠹实时检测上的不足，在保证检测精度的前提下，能够在嵌入式设备上运行，为大规模低成本的红脂大小蠹监测系统的实现提供基础。

技术领域

本发明涉及计算机视觉技术领域，具体而言，涉及一种面向信息素诱捕器的红脂大小蠹检测器优化方法。

背景技术

红脂大小蠹是近年来入侵我国的重大林业害虫，给我国林业经济造成严重损失。若监测预报准确及时，即可及早控制虫害，避免林区的经济和生态效益遭受重大损失。利用信息素诱捕器可有效捕捉成虫扬飞期的红脂大小蠹，通过统计诱捕器内的红脂大小蠹数量，可实现红脂大小蠹的监测。传统的统计过程依赖于人类专家手动识别和计数害虫，统计过程主观、劳动量大、成本昂贵，阻碍了大规模、低成本的红脂大小蠹监测系统的实现。

随着摄像机嵌入式设备在物联网中的普及，计算机视觉技术的迅速发展为现代农林害虫自动监测提供了一条新的途径。通用检测器的设计策略针对×86、GPU平台，以通用大数据集的准确率为唯一优化目标，检测器超参数设计针对Pascal VOC、COCO等通用大数据集，且通用检测器的分类设计针对大类分类，而蠹虫检测的应用场景是在嵌入式设备上实现小蠹科内的精细分类，因此通用检测器不满足红脂大小蠹检测的实际需求。

RetinaNet检测器是一种通用检测器，其存在以下缺点：

(1)RetinaNet检测器采用ResNet作为基础特征提取器，参数量和运算量较大，不满足在嵌入式设备部署的需求；

(2)RetinaNet检测器借助ResNet网络得到{C3，C4，C5}三个特征层，并构建空间分辨率压缩至输入图像的{1/8，1/16，1/32，1/64，1/128}的{P3，P4，P5，P6，P7}五层特征金字塔。但是，特征金字塔的P5、P6、P7层对应的默认框尺寸明显大于蠹虫样本，不适合进行蠹虫的检测。

(3)RetinaNet检测器的预测模块包括分类子网和回归子网，且利用多层卷积提高了检测准确度，但红脂大小蠹的检测需针对6种小蠹科害虫进行检测，检测数据类间差距较小，蠹虫数据的采集过程中，蠹虫的位置、大小、姿态各异，同类数据类内方差较大，预测模块的分类难度较大。RetinaNet检测器缺乏针对分类子网的优化措施。

(4)RetinaNet检测器根据金字塔层的层数初始化默认框，其中，金字塔层Pi的基础框面积为(2ⁱ⁺³)²，包括{2⁰,2^1/3,2^2/3}三组尺寸，每层金字塔的默认框有三组宽高比{1:2,1:1,2:1}。但受镜头焦距、拍摄距离和小蠹体型的约束，小蠹数据集的目标大小和COCO等通用数据集存在较大差异。因此，RetinaNet检测器的默认框大小不符合蠹虫检测的实际需求。

发明内容

本发明提供一种面向信息素诱捕器的红脂大小蠹检测器优化方法，用以克服RetinaNet检测器存在的上述不足。

为达到上述目的，本发明提供了一种面向信息素诱捕器的红脂大小蠹检测器优化方法，优化基础为RetinaNet检测器，采用该方法优化后得到一轻量级红脂大小蠹检测器，该方法用于对嵌入信息素诱捕器收集杯中的摄像头采集的蠹虫图像进行检测，以检测出其中的小蠹科害虫的种类和个数，该方法包括以下步骤：

(1)数据增强：