[发明专利]一种基于通道注意力机制的虫害图像检测方法

说明书

本发明涉及一种基于通道注意力机制的虫害图像检测方法，与现有技术相比解决了虫害检测准确率低、检测速度慢的缺陷。本发明包括以下步骤：采集虫害图像并建立虫害数据集；构建基于通道注意力机制的虫害图像检测模型；对虫害图像检测模型进行训练；待检测虫害图像的获取；虫害图像检测结果的获得。本发明通过多尺度预测结构能够提取到更丰富特征的基础神经网络、融合了多个尺度的特征来进行检测，可以在不加深网络深度的前提下提升检测精度；本发明通过通道积空间注意力机制、通过对于通道特征的筛选，使得特征融合时保留的信息更加有利于训练损失的降低，有利于定位及分类的准确，同时通过一定比例的降维可以权衡性能和检测速度的取舍。

技术领域

本发明涉及虫害图像识别技术领域，具体来说是一种基于通道注意力机制的虫害图像检测方法。

背景技术

目前，我国主要通过单位面积的害虫数量判断害虫发生严重程度，如果仅通过农业专家现场研判，费时费力且效率低下。基于害虫图像检测对图像中的害虫进行计数和分类，给农业专家提供信息辅助虫情判断具有重大的实际意义，同时也是农业图像研究领域的重要课题。

传统基于机器学习的方法需要手动设计方法提取虫害特征，它们不会根据反馈自适应调整优化。近几年来，基于深度学习的检测算法有了深入应用。以SSD算法为代表的基于密集框采样的方法，将检测问题视作回归问题来处理，容易混淆前景区域和背景区域。以Faster R-CNN算法为代表的基于感兴趣区域推荐框的方法，在感兴趣区域将有可能存在物体的区域确定，大大提升后续分类的准确性。用基于通用场景的深度学习目标检测方法进行虫害图像检测，通常难以适应害虫尺度较小且相似度较高，往往存在检测准确性低且检测速度较慢的问题。

发明内容

本发明的目的是为了解决现有技术中虫害检测准确率低、检测速度慢的缺陷，提供一种基于通道注意力机制的虫害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：

一种基于通道注意力机制的虫害图像检测方法，包括以下步骤：

11)采集虫害图像并建立虫害数据集：获取虫害图像进行预处理和标记，建立虫害数据集；

12)构建基于通道注意力机制的虫害图像检测模型：对虫害图像检测模型进行构建，其包括多尺度特征金字塔预测结构和用于特征层融合后的通道积空间注意力机制结构；

13)对虫害图像检测模型进行训练：利用虫害数据集通过随机梯度下降算法对虫害图像检测模型进行训练；

14)待检测虫害图像的获取：获取待检测的虫害图像，并进行预处理；

15)虫害图像检测结果的获得：将预处理后的待检测虫害图像输入训练后的虫害图像检测模型，虫害图像检测模型输出检测结果(c),x,y,w,h，即图像中每个虫害的类别和边框位置。

所述构建基于通道注意力机制的虫害图像检测模型包括以下步骤：

21)将多尺度特征金字塔预测结构作为虫害图像检测模型的第一层，构建多尺度特征金字塔预测结构：

211)设定将虫害图像输入深度卷积神经网络，得到下采样尺寸为原图1/4、1/8、1/16、1/32倍的特征图，分别为C_i,i∈(2,3,4,5)；

212)将上述4个特征图C_i按照如下方式进行特征加权融合，得到多尺度特征金字塔预测结构：

C5通过卷积核和步长都为1的卷积后得到P5，经过下采样得到尺寸为原图1/64倍的特征图为P6；

P5进行双线性插值上采样以得到输出特征图分辨率为1/16倍的特征图C4，将P5与C4进行特征加权融合得到P4；