[发明专利]物种识别方法及装置

权利要求书

1.一种物种识别方法，其特征在于，包括：

获取包含待识别物种的目标图片；

通过预先训练的图片向量转换模型对所述目标图片进行处理，得到所述目标图片对应的目标特征向量；其中，所述图片向量转换模型为基于神经网络的模型；

在特征向量索引中进行搜索，判断是否存在与所述目标特征向量相似的特征向量；其中，所述特征向量索引中预先存储有多个特征向量及对应的物种名称；

若是，则根据搜索结果确定待识别物种的名称。

2.如权利要求1所述的物种识别方法，其特征在于，所述搜索结果包括与所述目标特征向量相似的多个特征向量；

所述根据搜索结果确定待识别物种的名称，包括：

针对与所述目标特征向量相似的多个特征向量中的每一特征向量，获取该特征向量对应的物种名称；

根据多个物种名称中出现次数超过预设次数的物种名称，确定所述待识别物种的名称。

3.如权利要求2所述的物种识别方法，其特征在于，所述根据多个物种名称中出现次数超过预设次数的物种名称，确定所述待识别物种的名称，包括：

将多个物种名称中出现次数超过预设次数的物种名称按照出现次数进行降序排序；

将排在首位的物种名称作为所述待识别物种的首选名称，将依次排序的剩余物种名称作为所述待识别物种的备选名称。

4.如权利要求1所述的物种识别方法，其特征在于，所述判断是否存在与所述目标特征向量相似的特征向量的方法包括：

针对所述特征向量索引中的每一特征向量，计算所述目标特征向量与该特征向量的夹角余弦值，若计算的夹角余弦值小于预设阈值，则判断该特征向量与所述目标特征向量相似。

5.如权利要求1所述的物种识别方法，其特征在于，所述特征向量索引按照以下方式建立：

针对每一物种，获取该物种的多张物种图片，并对所述物种图片标注相应的物种名称；

通过预先训练的图片向量转换模型对每张所述物种图片进行处理，得到每张所述物种图片对应的特征向量；

建立每张所述物种图片对应的特征向量与相应的物种名称的索引，得到所述特征向量索引。

6.如权利要求5所述的物种识别方法，其特征在于，所述特征向量索引为基于Faiss开源库建立的。

7.如权利要求1所述的物种识别方法，其特征在于，所述神经网络模型为卷积神经网络模型或深度残差网络模型。

8.如权利要求1所述的物种识别方法，其特征在于，所述通过预先训练的图片向量转换模型对所述目标图片进行处理，得到所述目标图片对应的目标特征向量，包括：

通过预先训练的图片向量转换模型获取所述目标图片的特征值，并将特征值转换为特征向量，得到所述目标图片对应的目标特征向量。

9.一种物种识别装置，其特征在于，包括：

获取模块，用于获取包含待识别物种的目标图片；

转换模块，用于通过预先训练的图片向量转换模型对所述目标图片进行处理，得到所述目标图片对应的目标特征向量；其中，所述图片向量转换模型为基于神经网络的模型；

搜索模块，用于在特征向量索引中进行搜索，判断是否存在与所述目标特征向量相似的特征向量；其中，所述特征向量索引中预先存储有多个特征向量及对应的物种名称；若是，则触发确定模块；

所述确定模块，用于根据搜索结果确定待识别物种的名称。

10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上存储的程序时，实现权利要求1-8任一项所述的方法步骤。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法步骤。