[发明专利]一种基于密集区域再细化技术的农业微小害虫图像检测方法

权利要求书

1.一种基于密集区域再细化技术的农业微小害虫图像检测方法，其特征在于，包括以下步骤：

11)训练图像的获取：获取带有人工标记的农业微小害虫图像，形成害虫图像数据集；

12)害虫密集区域检测网络的构建：构建害虫密集区域检测网络，其中害虫密集区域检测网络包括整体特征提取网络与密集区域建议网络；整体特征提取网络用于提取整张图像中害虫的特征图，该网络输入为农业微小害虫图像，输出为基于该害虫图像提取的整体特征图；密集区域建议网络根据整体特征图预测害虫密集区域以及密集程度，该网络输入为整体特征图，输出为密集区域以及每个区域对应的密度得分；

13)害虫密集区域检测网络的训练：利用害虫图像数据集对害虫密集区域检测网络进行训练；

14)害虫密集区域检测网络的再训练：利用合成密集区域生成方法生成额外的包含密集目标的图片，利用此图片对害虫密集区域检测网络进行再训练，得到细化的密集区域检测网络；将害虫图像输入再训练的害虫密集区域检测网络，得到细化后的密集区域；

所述害虫密集区域检测网络的再训练包括以下步骤：

141)使用合成密集区域生成方法生成仅包含密集区域信息的非拟真图片；合成密集区域生成方法步骤如下：

1411)使用大小形状不一的深色实心椭圆点作为粘贴素材；

1412)使用绿色纯色图作为粘贴背景；

1413)设定目标密度得分，根据区域密度得分的逆运算获得目标数量N与区域尺寸L的关系，根据该关系制作M×M的网格，用于粘贴素材的摆放；

1414)随机在背景图上寻找点，作为粘贴中心；

1415)随机从粘贴素材中选取个体摆放在制作的网格中，粘贴在粘贴中心周围；

1416)将粘贴素材进行标注，类别为“fake”；

142)使用生成的包含密集区域信息的非拟真图片对害虫密集区域检测网络进行再训练，其包括网络对目标分辨能力的再训练与得分预测能力的再训练；

1421)将生成的包含密集区域信息非拟真图片输入害虫密集区域检测网络，通过获得新类别的目标特征图，增加对新分类目标的分辨能力，完成密集区域检测网络对目标分辨能力的再训练；

1422)通过非拟真图片进行新类别的密集区域得分预测的额外训练，等同于对全体类别密集区域得分预测的额外训练，由此完成对密集区域检测网络的得分预测能力的再训练；

143)将害虫图像输入再训练后的害虫密集区域检测网络，得到细化后密集区域；

15)害虫目标识别定位网络的构建与训练；

16)待检测害虫图像的获取：获取待检测的农业微小害虫图像；

17)害虫图像检测结果的获得：将待检测的农业微小害虫图像输入再训练后的害虫密集区域检测网络，得到细化后的局部区域微小害虫目标区域，再将细化后的局部区域微小害虫目标区域输入训练后的害虫目标识别定位网络，定位出图像中的微小害虫目标位置。

2.根据权利要求1所述的一种基于密集区域再细化技术的农业微小害虫图像检测方法，其特征在于，所述害虫密集区域检测网络的构建包括以下步骤：

21)设定整体特征提取网络：整体特征提取网络包括骨干网络和特征融合网络；骨干网络由叠加的多层卷积神经网络层、池化层与激活函数层构成，用于提取图片中的基础特征，输出多层特征图；特征融合网络通过侧向连接骨干网络输出的多层特征图，将各层特征图进行融合，输出兼顾不同层次语义特征的整体特征图；其中，骨干网络为ResNet50网络，特征融合网络为FPN特征金字塔网络；

22)设定密集区域建议网络：设定密集区域建议网络的输入为整体特征提取网络输出的整体特征图，输出为整体特征图上以每个锚点为中心的选取区域的密度得分；

密集区域建议网络首先使用一个拥有512个通道的卷积核大小为3×3的卷积层，之后使用线性整流函数ReLu作为卷积层激活函数，再使用一个卷积核大小为1×1的卷积层，由区域形状数量S与区域放大比例数量R的乘积决定该卷积层的通道数S×R。