[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

说明书

本发明提供了一种融合种群季节消长信息的农业害虫检测分类方法，属于农业害虫目标检测技术领域，本发明对传统的YOLOv3目标检测算法中的分类回归函数以及NMS策略进行了改进。利用不同害虫种群的季节消长规律来辅助检测，能够降低对于外形相似害虫的误判概率，而且还能解决传统算法中将与害虫外形相似的其他杂物判断为害虫的问题，使得农药喷洒更加准确，不会造成农药浪费，有利于降低成本。本发明的改进NMS策略还能够将聚集在一起的同种类害虫用一个预测框框出，帮助农药喷雾车进行大范围喷洒农药，提高喷洒效率。

技术领域

本发明属于农业害虫目标检测技术领域，尤其涉及一种融合种群季节消长信息的农业害虫检测分类方法。

背景技术

随着农业现代化的发展，种植规模不断扩大，农作物病虫害问题日趋严重，呈现出种类多、影响大以及爆发频率高的特点，给农业生产带来了重大损失。利用杀虫剂消灭害虫是最直接有效的解决方法，但是农业害虫种类繁多，农业生产者缺乏足够的农业知识去判断害虫种类，不能使用正确的灭虫剂。如果进行地毯式喷洒药物，不仅会造成浪费，也会污染大片区域的环境；同时，利用人工来对大片区域的害虫进行一一识别，并选用合适的农药实施精准灭虫是不现实的。

近年来，随着机器视觉的快速发展，借助机器视觉解决农业生产过程中的病虫害问题已成为可能，尤其是基于深度学习的目标检测技术已经被广泛运用于对害虫的检测和识别，其中最具有代表性的目标检测识别算法是YOLOv3。尽管YOLOv3已经比较好地实现了目标的精确检测和分类，但是应用于农业虫害识别时仍然存在不足，其对目标物体图像的识别主要考虑颜色特征、形状特征和纹理特征，然而当识别一些具有极其相似的外形、颜色、纹理的害虫时，仅靠这些图像特征常常会将目标害虫误判为与之相似的其他种类害虫，同时也会将一些杂物误判为外形与之类似的害虫，出现明显不符合实际情况的错误。这一缺陷会使依靠视觉传感器的智能农药喷洒装置在作业时造成错喷或误喷，影响虫害防治的效果。

在区分害虫类别的时候，YOLOv3需要进行预测框的回归调整，调整时利用现有预测框的非极大值抑制(NMS)策略在检测集群的害虫时会保留多个害虫单独的预测框，这样的策略使得农药喷洒装置在喷洒农药时逐个执行识别、定位、单点喷洒的循环流程，明显缺乏效率，亟待改进。

发明内容

针对现有技术中存在不足，本发明提供了一种融合种群季节消长信息的农业害虫检测分类方法，采用改进的YOLOv3算法对农业害虫进行检测识别，能够有效降低对于外形相似害虫的误判率，降低防治成本，还能够检测出同种类害虫集群区域，使得喷洒农药过程更加快速高效。

本发明是通过以下技术手段实现上述技术目的的。

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。

进一步地，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。