[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

说明书

本发明通过分析果园害虫的自身特点，结合深度学习和计算机视觉技术，实现彩色图像范围内害虫小目标样本的定位和识别，同时通过计算害虫的生长分布，通过多种害虫共同定位某一种生长条件的手段，判定当前环境导致害虫容易生长的因素，对于促进农林业害虫识别和防治领域的发展具有重要的意义。

技术领域

本发明涉及农林业害虫智能检测和识别技术领域，尤其是涉及一种适用于小目标样本的果园害虫智能定位与识别方法。

背景技术

目前，我国的农业现代化水平不断提高并深入发展，农产品的消费水平升级加快，并且我国已经成为世界上果品生产种植规模最大、种类最多的国家之一。然而，果树在生长的过程中却经常受到虫害的侵扰，果实的质量和产量都受到了不同程度的影响，给果品产业带来了巨大的经济损失。因此，为了最大程度的减轻虫害带来的损失，需要对果园害虫进行及时、准确的识别和测报。

现有的果园检测和识别方式主要有两种，一种是采用人工方式，依托丰富的种植经验实现对果园害虫的检测和识别；另一种是采用机器视觉的手段。前者不易于推广，且检测和识别效果较差、工作效率较低、智能化水平较低；后者应用技术不成熟，同样存在诸多缺陷，尤其对于图片中害虫小目标的检测和识别效果较差，图像中害虫漏检现象严重。

近些年，深度学习、计算机视觉等人工智能新兴技术领域快速发展。基于卷积神经网络的计算机视觉技术逐渐应用于人脸检测、车辆检测、智能安防等诸多领域，并取得了较为优异的成果。

通过分析果园害虫的自身特点，结合深度学习和计算机视觉技术，实现彩色图像范围内害虫小目标样本的定位和识别对于促进农林业害虫识别和防治领域的发展具有重要的意义。

发明内容

本发明所要解决的技术问题是提供一种大大减小人工强度，能对果园害虫进行高效、准确地定位和识别的视觉检测方法。

本发明所采用的技术方案是，一种适用于小目标样本的果园害虫智能定位与识别方法，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。

本发明的有益效果是：(1)本发明是一种智能化的果园害虫定位和识别方法，可以提高检测识别精度、降低人工工作强度，实现高效准确的果园害虫定位和识别。(2)本发明所提出的方法适用于果树害虫中小目标害虫样本的识别，可以提高小目标害虫样本的检测精度。(3)通过计算害虫的生长分布，通过多种害虫共同定位某一种生长条件的手段，判定当前环境的什么因素导致害虫容易生长

作为优先，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，上述处理有利于后续的数据识别和定位。

作为优先，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，在每一个池化层前一层引入pass through机制，将前一层的特征图按行和列隔点提取，然后按照通道维度拼接到池化层的后一层生成新的特征层，实现低分辨率信息特征融合与保留。

作为优先，所述S3包括：