[发明专利]一种适用于小目标样本的果园害虫智能定位与识别方法

权利要求书

1.一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，包括：

S1、对原始数据图片进行预处理；

S2、使用公共特征提取器对预处理后的图片进行特征提取获取包含小目标特征信息的高维通道特征图；

S3、在高维通道特征图的基础上采用锚点机制获取区域候选框，并采用边框回归进行坐标点偏移量微调；

S4、采用感兴趣区域的区域匹配机制解决量化过程的精度损失问题，生成感兴趣区域特征图；

S5、采用边框回归实现三维彩色图像中的害虫定位并使用多分类器层确定害虫类别，同时记录该害虫所在植株；

S6、获取每一类害虫在果园中的分布情况，计算不同类害虫的分布相似度，分析得到当前果园影响害虫分布生长的环境因素。

2.根据权利要求1所述的一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，所述预处理包括对原始彩色数据图片的格式归一化、尺寸归一化。

3.根据权利要求1所述的一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，所述公共特征提取器包括更迭反复的卷积层与池化层，对卷积神经网络前端特征图信息按行和列隔点采样，并在通道维度上进行拼接的pass through层。

4.根据权利要求1所述的一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，所述S3包括：

S31、在公共特征提取层的基础之上添加用于融合彩色图片数据像素点周围环境信息的卷积层，卷积核大小为3×3；

S32、在引入图像原始尺寸信息以及缩放信息的基础之上，通过逻辑回归以及边框回归两条支路获取果园害虫前景框以及前景框预测位置偏移量。

5.根据权利要求1所述的一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，所述S4包括：采用双线性插值的方式，对输入特征图进行感兴趣区域特征匹配，最终输出特征图尺寸大小为7×7。

6.根据权利要求1所述的一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，所述S5包括，采用边框回归对预测候选框位置进行位置微调，然后采用极大值抑制算法获取最优候选框作为模型最终预测位置结果。

7.根据权利要求1所述的一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，所述S5包括，采用softmax回归的方式判定候选框中害虫的具体类别，作为模型最终输出结果。

8.根据权利要求1所述的一种适用于小目标样本的果园害虫智能定位与识别方法，其特征在于，所述S6包括：

S61、将具有M个植株以及N种害虫的果园表示为具有M个元素的N个向量，每个向量表示一种害虫在果园中的分布，向量中的每个元素分别表示该害虫在对应植株上的总数；

S62、分别将N个向量归一化，并计算每个向量相对于其他向量的余弦相似度与欧式距离；

S63、设定余弦相似阈值和欧式距离阈值，将余弦值高于余弦相似阈值或欧式距离小于欧式距离阈值的害虫归为一类，并在资料库中获取有利于该类害虫生长的环境特点；

S64、使用S63中得到的环境特点与实际果园环境特点进行比对，分析得到害虫成因。