[发明专利]基于深度学习的多特征联合的植物线虫检测方法及系统

权利要求书

1.一种基于深度学习的多特征联合的植物线虫检测方法，其特征在于，包括如下步骤：

S0、建立包括松材线虫图像和拟松材线虫图像的植物线虫图像数据集；

S1、利用第一深度学习神经网络提取植物线虫的关键特征，包括如下步骤：

S11、建立植物线虫图像训练数据集；

将所述植物线虫图像数据集分为松材线虫图像组和拟松材线虫图像组，并从每一组植物线虫图像中随机筛选出相同数目的图像组成一组，利用标注工具对该组植物线虫图像的头部和尾部区域进行标注，作为植物线虫图像训练数据集；

S12、植物线虫关键特征区域初步检测；

利用所述植物线虫图像训练数据集对第一深度学习神经网络进行训练，得到关键特征提取的初步训练模型；

S13、修正初步训练模型；

利用所述初步训练模型对所述植物线虫图像数据集中的剩余图像进行检测，将检测结果错误的图像加入到所述植物线虫图像训练数据集中，重复步骤S12-步骤S13，直到完成所述植物线虫图像数据集中所有植物线虫图像的正确检测，得到所述植物线虫图像数据集的关键特征提取模型；

S14、提取植物线虫关键特征；

利用所述关键特征提取模型对所述植物线虫图像数据集的所有植物线虫图像进行关键特征提取，分别提取出植物线虫的头部特征、雌线虫尾部特征以及雄线虫尾部特征；

S2、利用第二深度学习神经网络对植物线虫种类进行检测，包括如下步骤：

S21、植物线虫图像数据集分组；

根据提取的植物线虫的关键特征，将所述植物线虫图像数据集分为三组，其中第一组图像数据集仅包含雌线虫尾部特征，第二组图像数据集包含线虫头部特征和雌线虫尾部特征，第三组图像数据集包含线虫头部特征和雌线虫尾部特征及雄线虫尾部特征；

S22、多特征联合训练分类识别网络；

利用所述三组图像数据集分别对第二深度学习神经网络进行训练，得到三种检测强化模型，包括雌线虫尾部特征单特征检测强化模型，线虫头部特征和雌线虫尾部特征双特征联合检测强化模型，线虫头部特征和雌线虫尾部特征及雄线虫尾部特征三特征联合检测强化模型；

S23、植物线虫种类识别；

根据待检测图像标注的特征点，选择所述三种检测强化模型之一，对待检测的植物线虫图像进行检测，确定该植物线虫属于松材线虫或拟松材线虫。

2.如权利要求1所述的基于深度学习的多特征联合的植物线虫检测方法，其特征在于：所述第一深度学习神经网络为Fast-RCNN神经网络，所述第二深度学习神经网络为VGG16神经网络。