[发明专利]一种基于大数据训练的鸟类图像识别系统及方法

说明书

本发明公开了一种基于大数据训练的鸟类图像识别系统及方法，包括信息处理模块、移动端、图像数据库、粗图像数据集、候选图像集和模型训练模块，所述移动端与信息处理模块连接，所述粗图像数据集与信息处理模块连接，所述候选图像集与粗图像数据集连接，所述图像数据库与候选图像集连接，所述模型训练模块与图像数据库和信息处理模块连接。本发明涉及图像识别技术领域，具体是提供了一种基于大数据训练的鸟类图像识别系统及方法，利用深度卷积神经网络为鸟类图像识别建立更加精确的识别模型，相对传统机器学习方法，基于鸟类图像特征的深度卷积网络识别模型优势在于可以自动提取高维的鸟类图像特征，实现鸟类图像特征的自动学习。

技术领域

本发明涉及图像识别技术领域，具体是指一种基于大数据训练的鸟类图像识别系统及方法。

背景技术

机器学习技术和人工智能技术(深度学习技术)的发展和应用，推动了鸟类自动识别技术的发展。传统机器学习技术与鸟类声音特征、图像特征相结合是比较早期的鸟类自动识别技术。

鸟类声音是区分不同鸟种的重要生物信号。以鸟类声音数据作为分类特征，再结合不同的机器学习方法一定程度上可以识别鸟类种类。鸟类图像包含了鸟类外形、颜色、纹理、不变几何特性等，这些特征很大程度上可以作为区分鸟类种类差异的直观指标。基于此，融合图像处理技术(图像特征)与传统机器学习技术的研究报告相继诞生；不过因受限于鸟类图像质量，总体模型识别精度不高。

目前可用于鸟类自动识别的技术有基于鸟类图像特征的传统机器学习方法；传统上图像特征的提取是通过构建不同类型给的局部特征提取器以人工预处理的方式完成的，局部特征提取算法选择的恰当与否直接影响图像分类结果，整体上，局部图像特征提取算法的选择对先验知识的依赖性以及图像特征的非自动学习性限制了传统鸟类图像识别技术的应用。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供一种基于大数据训练的鸟类图像识别系统及方法，利用深度卷积神经网络为鸟类图像识别建立更加精确的识别模型，相对传统机器学习方法，基于鸟类图像特征的深度卷积网络识别模型优势在于可以自动提取高维的鸟类图像特征，实现鸟类图像特征的自动学习。

本发明采取的技术方案如下：本发明一种基于大数据训练的鸟类图像识别系统，包括信息处理模块、移动端、图像数据库、粗图像数据集、候选图像集和模型训练模块，所述移动端与信息处理模块连接，所述粗图像数据集与信息处理模块连接，所述候选图像集与粗图像数据集连接，所述图像数据库与候选图像集连接，所述模型训练模块与图像数据库和信息处理模块连接。

进一步地，所述粗图像数据集包括搜索关键词库、未下载链接库和已下载链接库。

进一步地，所述信息处理模块包括神经网络模型处理单元和逻辑计算处理单元，所述神经网络模型处理单元与模型训练模块连接。

进一步地，所述模型训练模块中设有鸟类图像识别模型。

本发明还公开了一种基于大数据训练的鸟类图像识别方法，包括如下步骤；

步骤一，鸟类图像爬取：利用爬虫程序收集鸟类图像，建立搜索关键词库，每一个关键词都对应着一个鸟类的中英文名称；爬虫程序遍历关键词库，将关键词按相应内容使用多线程的方式同时发送多个POST请求规则向搜索引擎服务器发送请求，获取搜索引擎服务器反馈的数据，此时反馈的数据为相应关键词检索到的图片集合页面，然后将该页面下载并转换为字符串格式，通过预先写好的正则表达式对字符串进行提取，提取网页中所有被关键词检索得到的图片链接，提取链接后保存图片链接到未下载链接库；对比未下载链接库与已下载链接库把已经下载过的链接从未下载链接库中去除，然后对提取的图片链接进行下载，下载时需要启动守护进程，防止图片下载超时，对于下载超时的图片取消下载直接跳过并进行下一张图片的下载，图片下载后保存图片链接到已下载链接库，并将已下载图片保存至候选图像集；