[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

说明书

本发明公开的基于机器学习模型的昆虫访花行为分析方法，涉及机器学习技术领域，通过在设定时间段内，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，将该昆虫访花视频输入该昆虫识别模型，得到该昆虫访花视频各帧图像中各个昆虫的种类，根据该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，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，提高了昆虫种类识别的准确度，保证了昆虫访花行为分析结果的准确性，可扩展性较强。

技术领域

本发明涉及机器学习技术领域，具体涉及一种基于机器学习模型的昆虫访花行为分析方法。

背景技术

无论是自然生态系统还是农业生态系统中，绝大部分的开花植物依赖于包括蝇类、蝴蝶、甲虫以及蜜蜂等昆虫进行传粉，以维持自身的繁殖和世代延续。传粉昆虫在为植物传粉的同时，也获得了食物奖励。在漫长的进化过程中，这一互惠关系促使了昆虫与植物花器官的协同进化，即某些特定的植物依赖于特定的昆虫传粉。因此，生态系统中传粉昆虫的多样性对于维持植物种类的多样性意义重大。

传粉昆虫多样性研究，首先要明确哪些种类的昆虫访问哪些种类的植物，并在此基础上研究各类昆虫的访花行为，以评估各类昆虫的传粉效果和生态价值。

目前，昆虫种类的识别方法主要通过图像识别算法识别各个昆虫访花视频中昆虫的种类，比如申请号为201711269929.4的专利申请公开了一种用于研究传粉昆虫访花行为的方法及系统，该申请仅通过现有的图像识别算法识别图像中昆虫的种类并根据该种类，研究传粉昆虫访花行为，由于采集环境所处的光线强弱的影响，各个昆虫访花视频的清晰度不一致，针对清晰度不高的昆虫访花视频，昆虫种类识别的准确度较低，导致昆虫访花行为分析结果不准确。另外，申请号为201710662841.2的专利申请公开了一种昆虫识别预警方法及系统，该申请仅适用于图像中包含单只昆虫，当图像中有多只昆虫时，还要对该图像进行分割，并仅能对该单只昆虫进行识别，导致效率较低，且该申请公开的训练后的深度学习识别模型仅根据昆虫的静态特征来识别昆虫的，精确度不高。

发明内容

为解决现有技术的不足，本发明实施例提供了一种基于机器学习模型的昆虫访花行为分析方法，该方法包括以下步骤：

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。

优选地，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。