[发明专利]一种基于深度学习的植物线虫数据自动标注和分类识别方法

权利要求书

1.一种基于深度学习的植物线虫数据自动标注和分类识别方法，其特征在于，利用少量人工标注的植物线虫图像训练深度学习网络，并在深度学习网络中添加注意力损失从而强化植物线虫标注区域，再将模型的网络权重用于标注大量非人工标注的植物线虫图像数据，通过数次的植物线虫图像数据标注和训练过程，完成植物线虫识别项目数据集的自动标注，同时得到与此植物线虫识别项目对应的强化模型。

2.根据权利要求1所述的一种基于深度学习网络的植物线虫数据自动标注和分类识别方法，其特征在于包括如下步骤：

步骤(1)：建立植物线虫识别项目所要标注的图片数据集

采集一系列植物线虫的图像，对不同种类的植物线虫数据进行分组，并从每一组植物线虫数据中随机筛选出相同数目的图片组成一组，利用标注工具对该组植物线虫图像的尾部区域进行标注，作为初始的训练数据集；

步骤(2)：对深度学习网络进行改进

利用步骤(1)利用得到的初始训练数据集，对深度学习网络进行训练，在深度学习网络中添加注意力损失，针对植物线虫标注区域进行加强，使得深度学习网络着重对标注区域进行学习和训练，得到训练模型；

步骤(3)：基于训练模型进行重复标注训练

利用训练模型自动标注剩余图片，人工修正错误的标注结果，并将修正后的图片加入到网络的训练集中训练，重复训练修正过程，从而完成所有数据的标注并得到整个植物线虫数据集的智能标注模型；

步骤(4)：基于标注数据的植物线虫分类识别

利用步骤(3)得到的标注完成的植物线虫数据集，对深度学习分类网络进行训练，从而得到整个植物线虫数据集分类识别的强化模型。

3.根据权利要求1或2所述的一种基于深度学习网络的植物线虫数据自动标注方法，其特征在于，所述少量人工标注的植物线虫图像指的是植物线虫数据集中选取的一组图像数据，大量非人工标注的植物线虫图像数据指的是除人工标注外的其余图像数据。

4.根据权利要求1或2所述的一种基于深度学习网络的植物线虫数据自动标注方法，其特征在于在深度学习网络中添加注意力损失指的是：针对植物线虫数据标注部分，在计算损失函数时加大该部分权重，强化深度学习网络对该部分区域的学习。

5.根据权利要求1或2所述的一种基于深度学习网络的植物线虫数据自动标注和分类识别方法，其特征在于；

智能标注模型指所有植物线虫数据加入到含有注意力损失的深度学习网络中训练得到的标注模型；

强化模型指所有标注好的植物线虫数据加入到深度学习分类网络中训练得到的植物线虫分类识别模型。

6.根据权利要求4所述的一种基于深度学习网络的植物线虫数据自动标注方法，其特征在于针对植物线虫数据标注部分，在计算损失函数时加大该部分权重，计算公式如下：

Loss＝loss+λ·loss_attention

其中，Loss为深度学习网络总体损失函数，loss_attention为针对数据标注部分的损失函数，loss为深度学习网络其余部分损失函数，λ表示权重，范围在1∶1-10∶1之间。