[发明专利]一种基于无人机的毒品原植物识别方法、系统及存储介质

权利要求书

1.一种基于无人机的毒品原植物识别方法，其特征在于，包括：

利用无人机进行图像采集；

对所述图像进行区分选择出大麻近红外图像和大麻伪彩色图像；

对所述大麻近红外图像和所述大麻伪彩色图像进行特征提取，得到特征量；

对所述特征量进行融合并用于训练分类网络，得到大麻判别模型；

基于所述大麻判别模型，利用对抗迁移学习技术，生成毒品原植物判别模型；

利用所述毒品原植物判别模型进行毒品原植物识别；

其中，所述大麻判别模型包括大麻映射Ms，所述毒品原植物判别模型包括毒品原植物映射Mt，所述大麻映射的等效层表示为所述毒品原植物映射的等效层表示为ψ(M_s,M_t)表示所述大麻映射的等效层和所述毒品原植物映射的等效层的特征空间；所述大麻映射的等效层和所述毒品原植物映射的等效层的层数相等，表示如下：

其中，l_i表示不同的等效层。

2.根据权利要求1所述的一种基于无人机的毒品原植物识别方法，其特征在于：

所述利用无人机进行图像采集，包括：

无人机依据A^*算法规划飞行路线；

无人机依据所述飞行路线，到达待侦查区域；

无人机对所述待侦查区域进行图像采集。

3.根据权利要求1所述的一种基于无人机的毒品原植物识别方法，其特征在于：

所述对所述大麻近红外图像和所述大麻伪彩色图像进行特征提取，包括：

利用第一轻量化子网络对所述大麻近红外图像进行特征提取；

利用第二轻量化子网络对所述大麻伪彩色图像进行特征提取。

4.根据权利要求3所述的一种基于无人机的毒品原植物识别方法，其特征在于：

所述第一轻量化子网络包括深度分离卷积层、全连接层和若干个辅助层，所述辅助层包括池化层、drop-out层、激活层和数据压平层。

5.根据权利要求3所述的一种基于无人机的毒品原植物识别方法，其特征在于：

所述第二轻量化子网络包括卷积层、全连接层、批量归一化层、激活层和池化层。

6.根据权利要求1所述的一种基于无人机的毒品原植物识别方法，其特征在于：

所述对所述特征量进行融合并用于训练分类网络，得到大麻判别模型，包括：

通过所述大麻近红外图像得到近红外特征量，通过所述大麻伪彩色图像得到伪彩色特征量；将所述近红外特征量和所述伪彩色特征量进行结合，得到特征张量；

使用最小最大归一化算法对所述特征张量进行归一化预处理；

利用经过归一化预处理的特征张量对分类网络进行训练，得到大麻判别模型。

7.根据权利要求1所述的一种基于无人机的毒品原植物识别方法，其特征在于：

所述基于大麻判别模型，利用对抗迁移学习技术，生成毒品原植物判别模型，包括：

保持大麻判别模型的大麻分类网络和大麻特征映射不变，用所述大麻特征映射初始化毒品原植物特征映射；

优化生成对抗网络函数，获得目标域分类器和毒品原植物特征映射，生成毒品原植物判别模型。

8.根据权利要求6所述的一种基于无人机的毒品原植物识别方法，其特征在于：所述使用最小最大归一化算法对所述特征张量进行归一化预处理，其中，所述最小最大归一化算法可表示为：

其中f'是最终归一化张量，f是原始张量，min(f_i)和max(f_i)分别是张量f的最小值和最大值。