[发明专利]基于先验框线性缩放的花粉检测方法、装置和电子设备

权利要求书

1.一种基于先验框线性缩放的花粉检测方法，其特征在于，包括：

在显微镜下采集待检测花粉颗粒的放大图像；

将所述放大图像输入检测模型，输出所述放大图像中花粉颗粒的识别框和花粉种类；

其中，所述检测模型是基于样本花粉颗粒的放大图像和对应的花粉颗粒的标注框标签和花粉种类标签进行训练后得到的，所述检测模型中的特征提取网络用于提取各样本花粉颗粒的放大图像的3个特征图，所述检测模型训练时对任一花粉颗粒使用其对应尺度特征图的b个缩放先验框代替随机初始值，所述缩放先验框为对标注框标签进行聚类得到的先验框再进行预设线性缩放后得到的，b1且b为正整数。

2.根据权利要求1所述的基于先验框线性缩放的花粉检测方法，其特征在于，

所述样本花粉颗粒的放大图像包括基于人工剪裁拼接的包含不完整花粉颗粒的放大图像；

所述对应的花粉颗粒的标注框标签和花粉种类标签为人工标注得到。

3.根据权利要求1所述的基于先验框线性缩放的花粉检测方法，其特征在于，所述检测模型中的特征提取网络用于提取各样本花粉颗粒的放大图像的3个特征图，具体包括：

所述检测模型中的特征提取网络由含有一个残差单元的跨阶段局部网络、含有四个残差单元的跨阶段局部网络和三个含有八个残差单元的跨阶段局部网络依次连接构成；

所述三个含有八个残差单元的跨阶段局部网络在特征提取过程中分别输出对应于各样本花粉颗粒的放大图像的下采样8倍特征图、下采样16倍特征图和下采样32倍特征图。

4.根据权利要求1所述的基于先验框线性缩放的花粉检测方法，其特征在于，所述对标注框标签进行聚类得到的先验框再进行预设线性缩放，具体包括：

基于预设聚类算法对标注框标签进行聚类获取3b个先验框；

将所述3b个先验框进行以其宽度从小到大排列的序号值作为各自宽度的缩放倍数因子，所述3b个先验框统一宽度的缩放倍数因子基于预设线性系数、最大宽度与最小宽度之差和平均宽度确定；

基于所述各自宽度的缩放倍数因子和所述统一宽度的缩放倍数因子处理所述3b个先验框的宽度，并基于各先验框缩放后的宽度对各自高度适应性缩放。

5.根据权利要求1-4任一项所述的基于先验框线性缩放的花粉检测方法，其特征在于，所述检测模型训练时对任一花粉颗粒使用其对应尺度特征图的b个缩放先验框代替随机初始值，具体包括：

所述检测模型训练时对任一花粉颗粒使用其对应尺度特征图的b个缩放先验框代替随机初始值进入预测网络，所述预测网络中的可调参数为需要学习的原始预测框相对于b个缩放先验框的偏移值，所述预测网络任一轮迭代输出的预测边界框为所述任一轮迭代的b个原始预测框中与标注框标签的面积交并比最大的原始预测框；

其中，所述对应尺度特征图是基于所述任一花粉颗粒的大小确定的。

6.根据权利要求5所述的基于先验框线性缩放的花粉检测方法，其特征在于，还包括：

所述检测模型训练时的损失函数包括定位损失、置信度损失和分类损失；

其中，所述定位损失为训练时所述检测模型输出的预测边界框和标注框标签的误差，所述置信度损失基于训练时所述检测模型输出的预测边界框是否含有目标花粉的概率构成，所述分类损失为训练时所述检测模型输出的预测花粉种类和花粉种类标签的误差。

7.根据权利要求6所述的基于先验框线性缩放的花粉检测方法，其特征在于，b的取值为3。