[发明专利]基于层次结构的二阶段林业害虫识别与检测系统及方法

权利要求书

1.基于层次结构的二阶段林业害虫识别与检测系统，其特征在于，包括：

数据预处理模块，用于对已标注好的林业害虫图像数据集进行预处理，得到用于训练害虫检测阶段的目标检测模型的第一数据集和用于训练害虫分类阶段的分类模型的第二数据集；

模型训练模块，用于利用第一数据集对害虫检测阶段的目标检测模型进行训练，并利用第二数据集对害虫分类阶段的分类模型进行训练；

图像预测模块，用于利用训练好的目标检测模型对测试图像进行目标检测，将昆虫部分从测试图像中提取以得到新图像，并利用训练好的分类模型对新图像进行物种分类。

2.如权利要求1所述的基于层次结构的二阶段林业害虫识别与检测系统，其特征在于，所述已标注好的林业害虫图像数据集为：

其中，N为数据集D_Y中图像的数量，X_i为训练集中第i张图像，大小为h×w，h为图像纵向排列的像素个数，w为图像横向排列的像素个数，L_i是第i张图像中的昆虫坐标与类别信息，大小为p×5，p0为图中昆虫的个数，五列数据中，第一列表示该昆虫所属的科类别，取值为0至科类别总数减1，后面四列分别表示昆虫所在的x轴中央位置、y轴中央位置、宽度与长度，这四列是对于图像分辨率大小归一化后0到1之间的数，左上角坐标为(0,0)，右下角坐标为(1,1)。

3.如权利要求2所述的基于层次结构的二阶段林业害虫识别与检测系统，其特征在于，所述对已标注好的林业害虫图像数据集进行预处理，包括：

利用数据集D_Y中的原图像X_i与对应的标签L_i，通过昆虫位置坐标信息，将p个昆虫从原图中提取，整合得到共M张分为J个子集的数据集：

其中，J代表生物科的分类总数，训练使用的子数据集表示每个生物科的数据集，其中x_i为所提取出的昆虫图像，大小为m×n，y_i是该图像的标签，即该昆虫的物种名，k_j是训练子集含有的样本个数，且

将数据集D_Y中原始图像X_i从h×w大小的图像转化为640×640×3的RGB图像，记为X'_i；将D_D各个子集下的图像x_i从大小m×n的图像转化为224×224×3的RGB图像，记为x'_i，另

得到处理好的训练集用于训练害虫检测阶段的目标检测模型，训练集用于分别训练害虫分类阶段中对应的J个分类模型。

4.如权利要求1所述的基于层次结构的二阶段林业害虫识别与检测系统，其特征在于，所述利用第一数据集对害虫检测阶段的目标检测模型进行训练，包括：

所述目标检测模型分为Input、Backbone、Neck、Prediction共4个部分；

Input部分使用Mosaic数据增强，对输入的图像进行拼接；之后进行锚框计算，在初始锚框的基础上输出预测框，进而和真实框进行比对，计算两者差距，再反向更新，迭代网络参数；同时通过自适应图像缩放将原始图像统一缩放到一个标准尺寸，再送入检测网络中；

Backbone部分作为主干网络，使用Focus结构与CSP结构，利用32个卷积核对图像进行切片操作，提取出输入样本中的主要信息，以供后续使用；

Neck部分采用FPN+PAN的结构，同时使用Backbone部分提取到的信息，借鉴CSPNet设计的CSP2结构，加强网络特征融合的能力；

Prediction部分用于做出预测，并计算损失值。

5.如权利要求1所述的基于层次结构的二阶段林业害虫识别与检测系统，其特征在于，所述利用第二数据集对害虫分类阶段的分类模型进行训练，包括：

所述分类模型包括多个稠密块和过渡层，过渡层设于相邻两稠密块之间，每个稠密块内部都包含神经元，神经元个数根据网络任务不同而不同，再通过几层卷积和池化。