[发明专利]基于自适应特征金字塔的花粉检测方法

说明书

一种基于自适应特征金字塔的花粉检测方法属于计算机视觉领域。特征金字塔采用逐像素相加的方式融合卷积网络不同层的特征，由于不同层的特征的感受野、分辨率存在差异，采用逐像素相加的融合方式，使得特征融合时存在非对齐匹配。本发明提出一种自适应特征金子塔网络，让特征金字塔不同层之间的特征通过可学习的方式自适应对齐，在消除冗余特征的同时，扩充了特征金字塔网络的感受野，使关键特征获得更大的响应，提升特征金字塔网络的性能。本发明使用深度卷积网络Resnet‑50提取花粉图像特征，利用Resnet‑50不同模块学习到的特征建立自适应特征金字塔网络，从而建立基于自适应特征金字塔的花粉检测网络。该方法可以精确地检测出花粉图像中的花粉颗粒的类别和位置。

技术领域

本发明提出一种基于自适应特征金字塔的花粉检测方法，使用深度卷积网络自动识别花粉图像中的花粉颗粒的种类和位置。利用该花粉检测方法，通过机器可以快速准确的识别收集到的花粉图像中花粉颗粒的种类和位置，减少工作人员的干预，节约了人力成本，极大的提升了花粉检测的效率。本发明结合了计算机视觉领域目标检测技术和传统的花粉检测方法，既属于计算机视觉目标检测领域，又属于花粉检测领域。

背景技术

在花粉传播季节，飘散于空气中的致敏花粉可诱发一系列疾病，包括过敏性鼻炎、支气管哮喘、皮炎等。随着人们对绿色生活的追求，植物种植区域的扩展，花粉变敏原也随之增加。花粉过敏已经成为季节性流行疾病，具有相当高的发病率。对于有花粉过敏史的人，花粉过敏提前预防是保证健康出行的必要手段。而准确及时的花粉浓度预报可以帮助花粉过敏患者做好防护准备，提升出行的安全舒适度。目前，一种收集和检测花粉的方式是使用胶带采集空气中的花粉，将收集了花粉的胶片放到电子显微镜下拍摄成图片，通过专业人员在电子显微镜的帮助下识别出花粉的种类和数目。人工识别花粉的方法具有很高的复杂度和主观性，需要具有非常丰富的专业人员才可以做到准确的识别出花粉的种类，在识别花粉的过程中需要付出大量的时间。发明一种机器化，自动在花粉采集图片中准确快速地识别出花粉颗粒的方法可以极大提高花粉的检测效率，减轻花粉浓度预报工作人员的工作压力。

花粉检测可以使用计算机视觉领域目标检测方法。主流的目标检测方法，如Faster-RCNN、YOLO通过深层卷积网络提取图像特征，在高语义化的特征之上建立预测网络，预测图像中物体的类别和位置。随着卷积网络层数的增加，网络提取的特征具有更丰富的语义信息，一般目标检测网络只使用网络最后一层的特征建立预测层。虽然增加网络层数可以提取到更加丰富的语义特征，但同时特征的分辨率越来越小，而大分辨率特征对于识别小物体具有很好的效果，在网络的不同层分别建立预测网络，可以极大的提升小物体目标识别的准确度，例如SSD网络。低层特征分辨率更大，但低层特征的语义信息不如高层特征(相对网络的低层，高层更加靠近网络的输出层)。为了增强低层预测分支特征的语义信息，将高层特征进行上采样后和低层特征进行自顶向下的连接，使融合后的特征图兼顾语义特征和纹理特征。网络不同层的特征经过多次自顶向下连接构成特征金字塔，在金字塔的不同层分别建立不同的预测分支，使检测网络更加有利于小物体检测。

通常特征金字塔采用逐像素相加的方式融合不同层特征，而不同层的特征的分辨率、感受野存在着差距，特征融合时存在着非对齐匹配。本发明提出一种自适应特征金字塔，通过可学习的方式让金字塔不同层之间的特征对齐，使网络更有利于小物体目标识别。花粉颗粒具有体积较小，容易和背景混淆的特点，我们使用基于自适应特征金字塔的目标检测网络可以精确的检测出图像中的花粉颗粒。

发明内容

本发明提出一种基于自适应特征金字塔的花粉检测方法。相较于一般特征金字塔网络的非对齐特征匹配，提出一种自适应特征金字塔网络，使特征金字塔网络不同层的特征通过可学习的方式对齐，从而获得更加鲁棒的特征，提升花粉检测的效果。