[发明专利]一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法

说明书

本发明涉及一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法，与现有技术相比解决了难以在灯诱设备下进行草地贪夜蛾成虫快速检测的缺陷。本发明包括以下步骤：训练样本的收集和预处理；构建并训练草地贪夜蛾成虫检测模型；灯诱设备下草地贪夜蛾成虫图像的收集和预处理；灯诱设备下草地贪夜蛾成虫的标记。本发明改进了目标检测方法中普遍存在需要产生大量冗余候选框的缺陷，增强了数据的可靠性，保证了对草地贪夜蛾成虫图像检测精度的同时极大减少了候选区域，提高了检测速度。

技术领域

本发明涉及图像目标检测技术领域，具体来说是一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法。

背景技术

草地贪夜蛾是联合国粮农组织全球预警的重大迁飞性害虫，成虫可在几百米的高空中借助风力进行远距离定向迁飞，每晚可飞行100公里，若在产卵前可迁飞500公里。其繁殖能力强、几乎没有天敌。

目前的虫害等级检测工作主要依靠植保专家、农技人员对灯诱设备杀死的数量来判断虫害等级程度，由于草地贪夜蛾同甜菜夜蛾、斜纹夜蛾、黏虫形态相近，容易混淆，不仅加大了人工目测的难度，智能化检测程度也较低。

由此同时，由于灯诱设备成本控制，其涉及智能摄像识别的计算芯片性能较低，而草地贪夜蛾发生虫口密度较大，若利用传统的Faster-RCNN目标检测方法，所需处理的候选区域数量较多，传统的芯片计算也难以满足过多候选区域数量的处理，影响检测效率，检测结果信息严重滞后且不够准确。

因此，如何设计出能够应用于灯诱设备下、目标候选区域少的草地贪夜蛾成虫检测方法已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中难以在灯诱设备下进行草地贪夜蛾成虫快速检测的缺陷，提供一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种用于灯诱设备下的草地贪夜蛾成虫图像检测方法，包括以下步骤：

11)训练样本的收集和预处理：收集若干张草地贪夜蛾成虫图像作为训练数据，利用标记框标出草地贪夜蛾成虫图像位置，将所有标记过的图像归一化为64×64像素；

12)构建并训练草地贪夜蛾成虫检测模型：基于改进的强化学习和学徒学习构建并训练出草地贪夜蛾成虫图像检测模型；

13)灯诱设备下草地贪夜蛾成虫图像的收集和预处理：获取灯诱设备下草地贪夜蛾成虫图像作为待检测图像，将待检测图像归一化为512×512像素；

14)灯诱设备下草地贪夜蛾成虫的标记：将待检测图像输入训练后的草地贪夜蛾成虫图像检测模型，进行草地贪夜蛾成虫的识别、定位和计数。

所述的构建并训练草地贪夜蛾成虫检测模型包括以下步骤：

21)构建针对草地贪夜蛾成虫图像进行特征提取和加权融合的卷积神经网络：选择两个相同结构的卷积神经网络以并联方式进行连接，均载入基于分类任务的ImageNet数据集初始权重，分别将训练样本输入分类任务和检测任务下的网络对初始化权重进行fine-tune，将训练样本输入到上述并行结构下进行卷积特征提取与加权融合；

22)构建草地贪夜蛾成虫目标粗定位候选区域搜索网络：基于强化学习的DDQN算法和任务数据集设计动作空间、奖励函数和经验池，将目标候选区域搜索过程建模为动作决策问题，依据选择的动作对应的奖励不断地优化动作选择策略从而获得草地贪夜蛾成虫目标粗定位候选区域；

23)构建草地贪夜蛾成虫目标置信度预测网络：基于监督学习设计目标置信度网络对上述动作决策过程中产生的粗定位候选区域进行打分，并根据贪婪原则，选择分数最高的两个粗定位目标候选区域作为下一步输入的结果；