[发明专利]烟虫自动识别和计数方法、计算机可读介质

说明书

烟虫自动识别和计数方法，用于识别烟虫诱捕器捕获的烟虫种类并统计烟虫数量，包括步骤：S1：获取历史烟虫诱捕器照片数据；S2：处理历史烟虫诱捕器照片数据，形成批量标注数据集信息；S3：利用获得的批量标注数据集信息训练神经网络模型，获得烟虫识别神经网络模型；S4：利用获得的烟虫识别神经网络模型识别待计数的烟虫诱捕器照片，自动获得照片上的烟虫种类和烟虫数量信息。通过对历史烟虫诱捕器照片数据进行处理，采用深度学习神经网络模型进行训练得到了能够准确识别和预测烟虫诱捕器照片上的烟虫种类和数量的烟虫识别神经网络模型，利用该模型能够对烟虫诱捕器诱捕的烟虫进行自动快速识别、计数，得到烟虫种类和数量信息。

技术领域

本申请属于自动测量技术领域，具体涉及烟虫自动识别和计数方法、计算机可读介质。

背景技术

烟草企业烟叶仓库和车间存放的大量高价值烟叶容易遭受到虫害，进而严重影响烟叶的可用性和卷烟质量。

现有技术中，烟草企业防治烟草虫害时，通常使用烟虫诱捕器监测烟叶原料的储存仓库和卷烟生产加工场所，由监测数据判断虫害问题及其影响的严重程度，所以，监测数据是决定采取何种虫害防治措施的重要依据。

现有技术中，烟叶仓库、车间内悬挂烟虫诱捕器后，主要通过人工巡查并手工记录的方式来统计诱捕器害虫数量，并反馈虫情信息。随着信息技术的进步，也逐步采用信息技术对烟虫诱捕器进行监测，包括拍照、记录，然后由人工来进行烟虫种类的识别、计数，并进一步分析虫情。由于烟叶仓库和车间中有较大数量的烟虫诱捕器都需要人工完成烟虫种类的识别、计数并录入信息系统，这样的作业过程不仅需要大量人力资源，而且耗时较长，虫情不能实时反馈，不能及时有效对烟叶虫情进行监测。

发明内容

有鉴于此，一方面，一些实施例公开了烟虫自动识别和计数方法，用于识别烟虫诱捕器捕获的烟虫种类并统计烟虫数量，该方法包括步骤：

S1：获取历史烟虫诱捕器照片数据；

S2：处理所述历史烟虫诱捕器照片数据，形成批量标注数据集信息；

S3：利用获得的批量标注数据集信息训练神经网络模型，获得烟虫识别神经网络模型；

S4：利用获得的烟虫识别神经网络模型识别待计数的烟虫诱捕器照片，自动获得烟虫诱捕器照片上的烟虫种类和烟虫数量信息。

进一步，一些实施例中，烟虫自动识别和计数方法的步骤S2具体包括：

S201：标注历史烟虫诱捕器照片数据，框出各个烟虫的位置信息，进一步标注烟虫的种类信息，形成包含历史烟虫诱捕器照片信息、位置信息和种类信息的标注数据集信息；

S202：将标注数据集信息的80％划分为训练集、10％划分为验证集、10％划分为测试集。

一些实施例中，烟虫自动识别和计数方法的步骤S3中，神经网络模型为YOLO-V3神经网络模型，对YOLO-V3神经网络模型进行训练的过程具体包括：

S301：按设定规则在烟虫诱捕器照片上产生一系列候选区域，根据候选区域与物体真实框之前的位置关系对候选区域进行标注；

S302：使用卷积神经网络提取烟虫诱捕器照片特征，并对候选区域的位置和类别进行预测，得到预测框，将预测框作为样本；

S303：根据真实框相对于样本的位置和类别进行标注，获得标签值；

S304：通过YOLO-V3神经网络模型预测样本的位置和类别，得到预测值，将预测值与标签值进行比较，建立评价指标函数；

S305：利用训练集训练YOLO-V3神经网络的参数，利用验证集选择YOLO-V3神经网络的参数，利用测试集模拟YOLO-V3神经网络训练后的真实效果，采用二层循环嵌套方式进行训练过程：