[发明专利]一种基于无尺度深度网络的农业害虫检测方法

说明书

本发明涉及一种基于无尺度深度网络的农业害虫检测方法，该方法包括以下步骤：（1）预处理给定的害虫图像训练数据。（2）构建害虫无尺度目标检测器。（3）提取待测害虫图像的无尺度特征，预测害虫目标的置信度和位置。（4）后置优化获取的害虫目标的置信度和位置。（5）判定待测害虫图像中的害虫目标的位置及数目。本发明通过提取并编码害虫图像无尺度特征，有效解决了人工设置目标参考框缺陷，可适应不同尺度害虫识别，改善小害虫目标的识别与检测性能，提高农业害虫检测精度和鲁棒性。

技术领域

本发明涉及精准农业害虫目标检测技术领域，具体涉及一种基于无尺度深度网络的农业害虫检测方法。

背景技术

中国是一个农业大国，农业生产在国民经济中占很大比重，然而害虫的侵袭造成了农业减产，极大地损害农产品品质。对农业害虫的种类和数量进行监测是预测预防农业害虫的前提和关键，具有重要的应用价值和意义。

传统的农业害虫检测方法主要依靠植保专家依据害虫的特征进行人工识别，其检测准确率受专家的知识层次、经验水平以及主观意识的影响，存在一定的主观性和局限性。同时，农业害虫种类繁杂、数量众多，对农业害虫进行检测需耗费大量人力、物力和财力。

随着计算机视觉技术的不断发展，利用深度学习网络进行农业害虫检测取得越来越广泛的应用。现有方法通过设置不同大小的推荐框，实现不同尺度害虫的检测。但是，人为设定的推荐框的尺度是有限的，不能较好地覆盖不同尺度的目标，不能获得和利用害虫目标的无尺度特征，鲁棒性差。同时，由于考虑推荐大量目标框，重复推荐问题严重、检测时间增加，尤其是，对于小目标物体的检测精度低。

发明内容

本发明的目的在于提供一种基于无尺度深度网络的农业害虫检测方法，以克服现有技术中存在的不足，提高农业害虫检测精度和效率。

为实现上述目的，本发明采用了以下技术方案：

一种基于无尺度深度网络的农业害虫检测方法，该方法包括以下步骤：

(1)预处理给定的害虫图像训练数据。

(2)构建害虫无尺度目标检测器。

(3)提取待测害虫图像的无尺度特征，预测害虫目标的置信度和位置。

(4)后置优化获取的害虫目标的置信度和位置。

(5)判定待测害虫图像中的害虫目标的位置及数目。

进一步的，步骤(1)中所述的“预处理给定的害虫图像训练数据”，具体包括以下步骤：

(11)将所有害虫图像训练数据压缩变换到一个固定尺寸。

(12)标注出每张图像中包含害虫目标的最小矩形框，获取害虫真实目标位置的坐标信息。

进一步的，步骤(2)中所述的“构建害虫无尺度目标检测器”，具体包括以下步骤：

(21)随机初始化害虫无尺度目标检测器的深度神经网络的权重和偏置(W，B)，所述深度神经网络的权重W包括深度特征编码器的权重和目标检测子的权重，所述深度特征编码器包括N₁层正卷积模块、N₂层反卷积模块和1层无尺度特征模块，所述目标检测子为单层全连接网络，其输出层包括6个神经元。

(22)采用中心落点法获取无尺度正负样本，使用大小为n×n的滑动窗口在反卷积模块的输出特征图上进行滑动；在每个滑动位置上，将该滑动位置对应的滑动窗口的中心位置映射到原图上，做一个以映射的中心点为原点，以R为半径的圆，若有真实目标框中心点落于该圆周内，则将该滑动窗视为正样本，标记为1；否则视为负样本，标记为0。

所述原图是指输入害虫图像，本发明中指步骤(11)中经过resize操作变换后的害虫图像；所述真实目标框指步骤(12)中标注出的害虫目标的最小矩形框。