[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

说明书

本发明公开了一种基于层次结构的二阶段林业害虫识别与检测系统，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。本发明基于层次结构的二阶段林业害虫识别与检测系统可行性高，可以大幅提升对害虫的识别准确率且具有扩展性。

技术领域

本发明涉及林业害虫识别与检测技术领域，特别涉及一种基于层次结构的二阶段林业害虫识别与检测系统及方法。

背景技术

林业害虫灾害就如同不冒烟的森林火灾，具有持续与隐蔽等特点，通常被人们所忽视，且会给林业的发展带来巨大的经济损失。同时随着各地经济的发展与植树造林等项目的大力实施，林业材料及其制品的引进不断增加，各地区之间的交流也逐渐频繁，但林业害虫的传播与蔓延也都逐步加快，危害也日益严重，已成为当前林业发展的大敌。

林业害虫识别与检测是林业虫害防治工作中的一个重要环节，及时发现虫害并通过物理、化学或生物等方式进行防治，能够大幅降低虫害带来的损失。因此及时、准确的林业害虫识别与检测系统可帮助提高林业作物的产量与质量。随着计算机视觉技术的发展，林业害虫图像识别与检测算法也得到了广泛的研究。现阶段林业害虫识别与检测主要由传统的机器学习技术和深度学习技术两个部分组成。传统的机器学习主要通过对图像进行特征提取，再使用SVM(support vector machine)等分类器对图像进行分类，如张怡在分形理论的基础上，提取林业害虫的几何形状特征和纹理特征，利用SVM方法进行分类，构建了一个基于分形理论的林业害虫识别与分类系统，具有一定的成果。但当图像较为复杂且类别较多时，准确率会有所下降。深度学习技术主要使用人工神经网络，利用多层网络架构将输入的图像与输出之间建立联系，如候瑞环等提出一种基于YOLOv4-TIA(You Only LookOnce version 4-Triplet Attention)的林业害虫实时检测方法来进行林业昆虫图像检测，结果也表明该类方法效果良好。

林业害虫识别系统虽然得到广泛的研究，并取得了不错的应用成果，但通常因识别的图像中背景部分占比较大，导致识别准确率较低，同时难以准确识别一张图中有多种害虫的情况，且随着昆虫类别的增多，识别准确率也会大幅下降。

发明内容

本发明要解决的技术问题是提供一种可行性高、识别准确率高且具有扩展性的基于层次结构的二阶段林业害虫识别与检测系统。

为了解决上述问题，本发明提供了基于层次结构的二阶段林业害虫识别与检测系统，其包括：

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。

作为本发明的进一步改进，所述已标注好的林业害虫图像数据集为：