[发明专利]鸟情检测方法、装置、计算机设备及存储介质

说明书

本发明涉及鸟情检测方法、装置、计算机设备及存储介质，该方法包括获取实时图像，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；根据检测结果进行鸟情分析，以得到分析结果；根据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，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。本发明实现大概估算鸟群的数量，准确检测当前情况的鸟情，以便于提高驱赶效果。

技术领域

本发明涉及鸟情探测方法，更具体地说是指鸟情检测方法、装置、计算机设备及存储介质。

背景技术

在一些特殊的场合会由于鸟类的存在，导致灾难的发生，比如机场，在这些特殊的场合配备了一些比较常见的基础驱鸟设备，例如超声波，煤气炮，激光等设备，但这些设备的驱动方式包括比较传统的定时驱动或者人工驱动。

现有的解决方式是对鸟情进行检测，以进行针对性的驱赶鸟类，目前采用采用监控设备检测鸟的方式是通过检测单只鸟，通过累加统计出总体检测鸟的数目，如果一旦出现多只鸟重叠或者鸟与鸟之间互相遮挡，导致无法检测出鸟，或者检测出的鸟数量不准确，导致对鸟情误判，从而影响驱赶效果。

因此，有必要设计一种新的方法，实现大概估算鸟群的数量，准确检测当前情况的鸟情，以便于提高驱赶效果。

发明内容

本发明的目的在于克服现有技术的缺陷，提供鸟情检测方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：鸟情检测方法，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。

其进一步技术方案为：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。

其进一步技术方案为：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。

其进一步技术方案为：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。

其进一步技术方案为：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；