[发明专利]基于卷积神经网络的蚊虫识别方法

说明书

本发明公开了一种基于卷积神经网络的蚊虫识别方法。其步骤为：(1)构建特征提取模块；(2)构建前景预测模块；(3)构建识别和定位模块；(4)组成卷积神经网络；(5)构建蚊虫数据集；(6)训练卷积神经网络；(7)对蚊虫图片进行识别；本发明采用卷积神经网络，用于检测蚊虫诱捕装置拍摄到的蚊虫图片，对蚊虫进行类别识别和计数，能够有效解决现有自动蚊虫监测方法只能监测蚊虫数量不能监测蚊虫类别，人工识别蚊虫类别耗时耗力的问题，本发明具有可以自动监测蚊虫类别和数量，且监测精度高的优点。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像识别技术领域中的一种基于卷积神经网络的蚊虫识别方法。本发明可用于检测蚊虫诱捕装置拍摄到的蚊虫图片，对蚊虫进行识别和计数。

背景技术

蚊子在全球致命动物排行榜中高居首位，为了科学有效地对蚊虫防制及蚊媒传染病预警，需对蚊虫的种群密度、季节消长等进行监测，对其所可能携带病原进行风险评估，做出蚊媒传染病的预警和防护措施，以便进行科学有效的杀灭与控制。现有的蚊媒监测技术主要包括人诱法(人工叮咬法)、人帐诱捕法、人工小时法、诱蚊灯(紫外灯)诱捕法、灭蚊磁场法。人诱法、人帐诱捕法操作简单，但需要基层人员直接接触蚊虫，存在感染蚊媒疾病的风险。人工小时法、诱蚊灯诱捕法、灭蚊磁场法需要基层人员定时收集计数，费时费力且受人为因素影响较大结果易产生偏差。这些现有的人工方法需要依靠专业技术人员人工定时计数和识别蚊虫类别，存在人力物力的巨大消耗问题，操作步骤繁琐，受人为因素的影响较大，不够客观和科学，直接接触蚊虫也存在感染疾病的危险，同时带来的是不够精确和无法实时的监测结果。

广东智源信息技术有限公司在其申请的专利文献“一种基于图像识别的蚊虫数量快速监测诱蚊灯”(专利申请号201811414380.8，公开号109287589A)中公开了一种基于图像识别的蚊虫数量快速监测方法。该诱蚊灯的蚊虫图像识别模块中采用二值化OSTU算法，自适应的找出二值化的阈值，然后对图像中的蚊虫和背景进行分割，即去掉图像周围没有蚊虫的区域，然后将分割后的图像传输到中央服务中对蚊虫进行识别。该方法使用图像识别的方式完成蚊子的自动计数，并自动上传统计数据，大大减少了基层工作人员的工作量和蚊媒监测工作对基层工作人员的依赖性。该方法存在的不足之处是，只能用于蚊虫计数和密度监测，无法对蚊虫类别进行精准识别。

肇庆市高新区甜慕新能源技术有限公司在其申请的专利文献“一种蚊虫的防控方法”(专利申请号201810899328.X，公开号109006737)中公开了一种蚊虫的防控方法。该方法中的蚊虫监测模块使用红外感应装置监测蚊虫的个数和密度，当有物体通过红外感应模块时光被遮住，接收模块输出一个高电平脉冲，对此脉冲进行计数，从而实现对蚊虫数目的统计。通过摄像头拍摄蚊虫图像上传到上位机，人工对蚊虫类别进行识别。该方法存在的不足之处是，通过两个单独的模块分别对蚊虫的数量和类别进行识别，操作步骤复杂，消耗大量人力和物力，识别精度低。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出一种基于卷积神经网络的蚊虫识别方法，解决现有蚊虫监测方法只能监测蚊虫数量不能监测蚊虫类别的问题。

本发明的技术思路是，构建蚊虫数据集，构建并训练卷积神经网络，将卷积神经网络输出的向量与类别和位置相对应，对蚊虫数据集中的蚊虫进行识别，使得网络能够精确识别蚊虫种类。

本发明的实现的具体步骤如下：

(1)构建特征提取模块：

(1a)搭建一个14层的特征提取模块，其结构依次为：第一卷积层→第二卷积层→第一池化层→第三卷积层→第四卷积层→第二池化层→第五卷积层→第六卷积层→第七卷积层→第三池化层→第八卷积层→第九卷积层→第十卷积层→第四池化层；