[发明专利]一种基于机器学习模型的昆虫访花行为分析方法

权利要求书

1.一种基于机器学习模型的昆虫访花行为分析方法，其特征在于，包括：

在设定时间段内，通过视频采集设备采集设定种类开花植物的昆虫访花视频；

根据开花植物的种类、分布地域及开花季节，从预先创建的昆虫识别模型集合中选择对应的昆虫识别模型；

将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类；

根据所述昆虫访花视频各帧图像中各个昆虫的种类，得到同一时间段、同一种类开花植物上各个昆虫的访花行为分析结果，其中，所述分析结果包括各个昆虫的种类、当前各类昆虫的数量、各个昆虫单次访花的开始时间、各个昆虫单次访花的结束时间、各个昆虫单次访花的运动轨迹、各个昆虫单次访花的时长、各类昆虫的访花次数；

重复上述步骤，得到不同时间段、不同地域、不同种类的开花植物上各个昆虫的访花行为分析结果。

2.根据权利要求1所述的基于机器学习模型的昆虫访花行为分析方法，其特征在于，所述昆虫识别模型集合的创建过程包括：

从海量昆虫历史访花视频选取设定类型视频，生成第一视频集合，其中，所述设定类型视频为针对设定种类开花植物、设定地域及设定季节拍摄的多个视频；

分别截取所述第一视频集合中各个视频中有访花昆虫出现的各帧图像并根据昆虫的种类，对所述各帧图像中的各个昆虫进行人工标注；

分别将所述各帧图像输入机器学习模型对所述机器学习模型进行训练，得到用于识别针对设定地域、设定季节和设定开花植物的昆虫访花视频的多个昆虫识别模型，生成昆虫识别模型集合。

3.根据权利要求1或2所述的基于机器学习模型的昆虫访花行为分析方法，其特征在于，将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类包括：

根据昆虫的静态特征及动态特征，分别对所述昆虫访花视频各帧图像中的各个昆虫与所述第一视频集合各个视频的各帧图像中各个昆虫进行匹配，得到所述昆虫访花视频各帧图像中各个昆虫与所述第一视频集合各个视频的各帧图像各个昆虫的相似度，其中，昆虫的静态特征包括昆虫的形态、大小、体表色斑、翅脉纹路，昆虫的动态特征包括昆虫的爬行特征、飞行特征及采花时的动作特征；

从所述第一视频集合各个视频的各帧图像中选取相似度最大的昆虫的标签作为对应昆虫的实际标签，得到所述昆虫访花视频各帧图像中各个昆虫的种类。

4.根据权利要求3所述的基于机器学习模型的昆虫访花行为分析方法，其特征在于，在将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类之后，所述方法还包括：

利用所述第一视频集合对所述昆虫识别模型进行测试，得到所述昆虫识别模型的准确率；

判断所述准确率是否大于设定的阈值，若否，则经过人工检测，获取所述第一视频集合中存在误检和漏检的图像并对所述图像中的各个昆虫进行二次标注；

将所述图像输入昆虫识别模型对所述昆虫识别模型进行训练；

重复上述步骤，直至所述昆虫识别模型的准确率大于设定的阈值。

5.根据权利要求4所述的基于机器学习模型的昆虫访花行为分析方法，其特征在于，判断所述准确率是否大于设定的阈值包括：

若是，则从海量未参与昆虫识别模型训练的昆虫历史访花视频中随机选取设定数量的视频，得到第二视频集合；

分别对所述第二视频集合各个视频各帧图像中的各个昆虫进行标注，利用标注后的各帧图像，对所述昆虫识别模型进行训练；

再次计算所述昆虫识别模型的准确率，判断所述准确率是否大于设定的阈值，若否，则重复上述步骤，直至所述昆虫识别模型的准确率大于设定的阈值。

6.根据权利要求1所述的基于机器学习模型的昆虫访花行为分析方法，其特征在于，所述机器学习模型为SVM模型。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5所述的步骤。