[发明专利]一种融合种群季节消长信息的农业害虫检测分类方法在审
申请号: | 202010395825.3 | 申请日: | 2020-05-12 |
公开(公告)号: | CN111753646A | 公开(公告)日: | 2020-10-09 |
发明(设计)人: | 蔡舒平;孙仲鸣;沈跃 | 申请(专利权)人: | 江苏大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 融合 种群 季节 消长 信息 农业 害虫 检测 分类 方法 | ||
1.一种融合种群季节消长信息的农业害虫检测分类方法,其特征在于,包括如下步骤:
S1:调查指定区域内的目标害虫数量并进行拍照,将害虫图片输入到目标检测模型中并获取特征图;
S2:利用改进的分类回归函数对特征图进行检测分类;
S3:根据特征图作出锚框,对锚框进行偏移回归计算,根据锚框与真实框的交并比(IOU)筛选出预测边界框,利用改进的NMS策略优化预测边界框;
S4:根据检测分类结果和预测边界框计算结果确定目标害虫种类及位置信息。
2.根据权利要求1所述的农业害虫检测分类方法,其特征在于,所述S1中调查指定区域内的目标害虫数量,具体为:选择3片不同环境下的茶园,每片茶园选择5块面积为1m2的区域,记录茶丛从树冠至地面的目标害虫数量,连续调查3年,每年的4~9月每隔10天调查一次,10~次年3月每隔15天调查一次。
3.根据权利要求2所述的农业害虫检测分类方法,其特征在于,所述目标害虫当月种群密度计算公式为:其中,i表示害虫种类标签;Di1、Di2、Di12分别表示一月、二月、十二月第i种害虫种群密度;N表示当月调查次数;S表示当月调查总面积;Ci表示第i种害虫当月调查数量。
4.根据权利要求1所述的农业害虫检测分类方法,其特征在于,所述目标检测模型为以MobileNetv3为主干网络的改进型YOLOv3模型。
5.根据权利要求4所述的农业害虫检测分类方法,其特征在于,所述S1还包括:从多个角度对害虫进行拍照并标注,将标注好的照片制作数据集,按照8∶2的标准对数据集划分训练集和测试集,用于训练YOLOv3模型。
6.根据权利要求1所述的农业害虫检测分类方法,其特征在于,所述S2具体为:
二分类逻辑回归函数的一般形式为:其中,xn表示特征变量的向量;kn表示回归系数向量;
将二分类逻辑回归函数扩展为多分类逻辑回归函数并结合害虫季节分布函数λi(t)得到K个预测样本情况下每个结果的概率:
其中,i表示害虫种类标签;λi(t)表示在某一时间t第i种目标害虫的季节消长参数。
7.根据权利要求6所述的农业害虫检测分类方法,其特征在于,所述害虫季节分布函数λi(t)的计算过程如下:
0yμ时,λi(t)=1
y≥μ时,
其中,y表示某一时刻t各种类害虫种群密度值的标准差;μ表示各种类害虫种群密度间差异程度阈值;αi表示某一时刻t第i种害虫的种群密度值;表示某一时刻t所有种类害虫种群密度值的和。
8.根据权利要求1所述的农业害虫检测分类方法,其特征在于,所述S3具体为:根据特征图作出具有不同尺寸和宽高比的锚框,将锚框坐标和真实框坐标作线性回归,根据锚框与真实框的交并比(IOU)筛选出一批预测边界框;判断同类别的两个预测边界框,当IOU>γ时,将两个预测边界框的外接矩形作为输出预测边界框,并选取置信度较大的值作为最后输出置信度;当IOU≤γ时,两个预测边界框均保留;其中,γ表示IOU阈值;重复上述判断过程直至没有重叠的预测边界框,在重复过程中,IOU值和IOU阈值的取值均发生改变;最后剔除置信度值较低的重复边框。
9.根据权利要求8所述的农业害虫检测分类方法,其特征在于,所述重复过程中,分别计算锚框和真实框的交集面积与两个预测边界框的面积之比,取比值较大的作为新的IOU值,同时调高IOU阈值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010395825.3/1.html,转载请声明来源钻瓜专利网。