[发明专利]鸟情检测方法、装置、计算机设备及存储介质

权利要求书

1.鸟情检测方法，其特征在于，包括：

获取实时图像，以得到待检测图像；

将待检测图像输入鸟情检测模型内进行鸟情检测，以得到检测结果；

根据所述检测结果进行鸟情分析，以得到分析结果；

根据所述分析结果发送驱动通知至驱鸟设备，以使驱鸟设备进行驱鸟操作；

其中，所述鸟情检测模型是通过若干个带有鸟类位置标签以及表示鸟类数量的等级标签的鸟类图像作为样本数据训练深度学习神经网络所得的；

所述鸟情检测模型是通过若干个带有鸟类位置标签以及表示鸟类数量的等级标签的鸟类图像作为样本数据集训练深度学习神经网络所得的，包括：

获取鸟类图像；

对鸟类图像进行鸟类位置标签以及表示鸟类数量的等级标签的标注，以得到样本数据集；

采用样本数据集训练深度学习神经网络，以得到鸟情检测模型；

所述采用样本数据集训练深度学习神经网络，以得到鸟情检测模型，包括：

将样本数据集划分为训练集以及测试集；

设置YOLOV4算法训练的参数；

使用训练集输入YOLOV4算法中进行网络模型训练，以得到初始模型；

采用测试集对初始模型进行测试，以得到测试结果；

判断所述测试结果是否符合要求；

若所述测试结果不符合要求，则执行所述设置YOLOV4算法训练的参数；

若所述测试结果符合要求，则将所述初始模型作为鸟情检测模型。

2.根据权利要求1所述的鸟情检测方法，其特征在于，所述检测结果包括鸟群的数量所对应的等级以及鸟群所在的位置信息。

3.根据权利要求2所述的鸟情检测方法，其特征在于，根据所述检测结果进行鸟情分析，以得到分析结果，包括：

根据所述检测结果截取实时图像，以得到中间图像；

将所述中间图像输入鸟类识别模型进行鸟类识别，以得到类别；

根据所述类别建立对应的鸟情数据库；

对鸟情数据库进行鸟类生态环境的分析，以得到分析结果。

4.根据权利要求3所述的鸟情检测方法，其特征在于，所述鸟类识别模型是通过若干个带有鸟类别标签的图像作为样本数据训练卷积神经网络所得的。

5.鸟情检测装置，其特征在于，包括：

实时图像获取单元，用于获取实时图像，以得到待检测图像；

检测单元，用于将待检测图像输入鸟情检测模型内进行鸟情检测，以得到检测结果；

分析单元，用于根据所述检测结果进行鸟情分析，以得到分析结果；

发送单元，用于根据所述分析结果发送驱动通知至驱鸟设备，以使驱鸟设备进行驱鸟操作；

还包括检测模型构建单元，所述检测模型构建单元，用于通过若干个带有鸟类位置标签以及表示鸟类数量的等级标签的鸟类图像作为样本数据训练深度学习神经网络，以得到鸟情检测模型；

所述检测模型构建单元包括鸟类图像获取子单元、标签标注子单元以及训练子单元；

鸟类图像获取子单元，用于获取鸟类图像；标签标注子单元，用于对鸟类图像进行鸟类位置标签以及表示鸟类数量的等级标签的标注，以得到样本数据集；训练子单元，用于采用样本数据集训练深度学习神经网络，以得到鸟情检测模型；

所述训练子单元包括划分模块、参数设置模块、初始模型获取模块、测试模块以及结果判断模块；

划分模块，用于将样本数据集划分为训练集以及测试集；参数设置模块，用于设置YOLOV4算法训练的参数；初始模型获取模块，用于使用训练集输入YOLOV4算法中进行网络模型训练，以得到初始模型；测试模块，用于采用测试集对初始模型进行测试，以得到测试结果；结果判断模块，用于判断所述测试结果是否符合要求；若所述测试结果不符合要求，则执行所述设置YOLOV4算法训练的参数；若所述测试结果符合要求，则将所述初始模型作为鸟情检测模型。