[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

说明书

本发明涉及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，与现有技术相比解决了密集区域检测范围较大导致微小害虫检测精度差的缺陷。本发明包括以下步骤：训练图像的获取；害虫密集区域检测网络的构建；害虫密集区域检测网络的训练；害虫密集区域检测网络的再训练；害虫目标识别定位网络的构建与训练；待检测害虫图像的获取；害虫图像检测结果的获得。本发明通过害虫密集区域检测网络直接从整体图片特征图中提取密集区域信息，大量减少运算负担；同时通过害虫密集区域检测网络的再训练，有效利用相对较少的害虫图片中的密集区域信息，提高密集区域检测网络密度得分预测准确度。

技术领域

本发明涉及农业图像识别技术领域，具体来说是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。

背景技术

传统的农业害虫测报方法大多数是基于人工田间调查进行识别与估算数量，识别准确率受到调查人员专业知识影响，数量估计受到调查人员主观判断影响，因此测报结果存在较大差异。近年来基于机器视觉与图像处理技术的害虫识别与检测算法被大量应用到农业害虫的识别与检测工作中，极大的减少了田间调查的人力成本，提高了识别计数的准确率。

在实际应用中发现，虽然现有目标检测算法针对体积较大、辨识度较高的害虫检测表现很好，但是针对一些害虫体积微小，聚集密度较大的害虫，例如小麦蚜虫等，则会出现大量检测遗漏与检测精度差等问题。这是由于田间蚜虫目标体积极小且分布在较小的密集区域中，而针对整个图像的全局目标检测算法的检测分辨能力较低，难以分辨微小的目标。如果直接提高全局目标检测算法的检测分辨能力则会极大的增加算法的计算负担，占用大量计算资源，无法达到实际应用要求。那么如何能够更精确寻找微小目标分布密集的区域，有针对性地提高这些区域的检测分辨率，以此提高整体检测精度已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中密集区域检测范围较大导致微小害虫检测精度差的缺陷，提供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来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

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，包括以下步骤：

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；

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深度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；

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；

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；

害虫目标识别定位网络的构建与训练；

待检测害虫图像的获取：获取待检测的农业微小害虫图像；

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。

所述害虫密集区域检测网络的构建包括以下步骤：