[发明专利]一种基于F-SSD-IV3的作物害虫检测方法

权利要求书

1.一种基于F-SSD-IV3的作物害虫检测方法，其特征在于，包含以下步骤：

(1)采集害虫图像，构建作物害虫数据库；

(2)构建F-SSD-IV3目标检测算法，利用所述作物害虫数据库内的图像，以InceptionV3作为特征提取器，输出的不同尺度的特征图，并对所述的特征图进行特征融合，并使用Softer NMS微调候选框；

所述步骤(2)的具体过程如下：

(2-1)选择Inception V3为F-SSD-IV3的基础网络；Inception V3网络的结构由卷积层、卷积层、卷积层、池化层、卷积层、卷积层、池化层、Mixed1_a，Mixed1_b，Mixed1_c，Mixed2_a、Mixed2_b、Mixed2_c、Mixed2_d、Mixed2_e、Mixed3_a、Mixed3_b、Mixed3_c，池化层、dropout层、全连接层组成；卷积核的维度包含了1×1，1×3，3×1，3×3，5×5，1×7，7×1，池化层包括了最大值池化与平均池化，维度为3×3；得到的特征图尺寸为149×149×32，147×147×32，147×147×64，73×73×64，73×73×80，71×71×192，35×35×192，35×35×256，35×35×288，35×35×288，17×17×768，17×17×768，17×17×768，17×17×768，17×17×768，8×8×1280，8×8×2048，8×8×2048，1×1×2048；

(2-2)然后在Inception V3后添加6个卷积层的附加网络，卷积核大小分别为1×1×256，3×3×512，1×1×128，3×3×256，1×1×256，3×3×128，得到三个尺寸逐渐减小的特征图，大小分别为4×4×512，2×2×256，1×1×128；

(2-3)对步骤2-2中输出的特征图、Mixed1_c特征图、Mixed2_e特征图、Mixed3_c特征图进行特征融合，输出一个新的特征图；

(2-4)对尺寸m×n的特征图中每个位置的k个候选框使用卷积，卷积核尺寸为(c₁+4)k，预测c₁个类别分数和4个位置变化，最终产生m×n×k(c+4)个预测输出；

(2-5)使用NMS以保留有较高置信度的候选框，产生的数量众多且包含重叠的候选框；对于每个候选框，使用Soft NMS选择候选框；对于每个选择的候选框M，判断其他候选框与M候选框的IoU是否大于阈值p；若所有大于阈值p的候选框进行加权平均，更新其位置坐标；

(2-6)SSD的损失函数位置损失L_loc和分类损失L_conf两部分组成，可表示：

其中，N表示与真实边框匹配的候选框数量，c₂为每类的置信度，l为候选框的平移和尺度变化大小，g为真实边框的位置信息，设置参数a＝1；(3)通过数据扩增和增加Dropout层优化目标检测网络，得到最优的检测模型，用于检测图像中的作物害虫。

2.如权利要求1所述的基于F-SSD-IV3的作物害虫检测方法，其特征在于，所述作物害虫数据库中储存有不同的尺寸、光线条件、遮挡程度、拍摄角度和目标害虫大小的害虫图像。

3.如权利要求1所述的基于F-SSD-IV3的作物害虫检测方法，其特征在于，在步骤(2-3)中，特征融合方法为：先对后一层的特征图进行反卷积，再通过级联的方式与上一层的特征图进行特征融合，输出一个新的特征图。