[发明专利]一种融合注意力模型的烟虫目标检测方法

说明书

本发明提供一种融合注意力模型的烟虫目标检测方法，包括：获取烟虫图像，并制作目标检测的训练数据集；构建神经网络模型，所述神经网络模型以ResNet50为CenterNet目标检测算法的主干特征提取网络，加入注意力模型后的残差结构对输入的特征图进行通道注意；使用所述训练数据集对所述神经网络模型的CenterNet目标检测算法进行训练，以获得训练好的网络模型；将待检测烟虫图像输入训练好的所述神经网络模型，以获得烟虫检测结果。本发明能解决现有烟草车间对烟虫的目标识别存在不精准的问题，能提高烟草车间对烟虫防治的预警效率，降低烟厂管理的生产成本。

技术领域

本发明涉及烟虫检测的技术领域，尤其涉及一种融合注意力模型的烟虫目标检测方法。

背景技术

在烟草生产加工环节，生产车间需要常年保持恒温恒湿的环境，物料的进入、人员的进出、各种车辆的进出等，均不可避免的会产生烟草害虫，并长期在车间隐匿和繁殖，严重地影响到卷烟品质。为有效降低烟虫对卷烟品质的影响，对于烟虫的防治和治理工作十分必要和需要。为此对烟虫识别采用的方法有多种多样，其中采用图像处理技术对粘虫板上的烟虫进行处理和预警，但其缺点是当粘虫板上有较多烟虫或者存在烟末时则无法实现烟虫的精准检测识别。目标检测是计算机视觉领域中的重要研究课题之一，它的任务就是定位出图像中目标的位置并识别目标的类别。这项技术广泛应用于人脸检测、缺陷检测、自动驾驶、智能监控等，并拥有非常广阔的发展前景。目前主流的目标检测算法都是基于深度学习，比如RCNN，FasterRCNN，YOLO等。在实际的目标检测场景中也存在很多不利因素，例如光照变化、目标形状的变化等，尤其是当被检测目标过小时，神经网络对于小目标难以提取有效特征信息，严重影响了目标检测算法的精确度。因此，如何提供一种目标检测方法对烟虫进行精准识别，具有重要的研究意义。

发明内容

本发明提供一种融合注意力模型的烟虫目标检测方法，解决现有烟草车间对烟虫的目标识别存在不精准的问题，能提高烟草车间对烟虫防治的预警效率，降低烟厂管理的生产成本。

为实现以上目的，本发明提供以下技术方案：

一种融合注意力模型的烟虫目标检测方法，包括：

获取烟虫图像，并制作目标检测的训练数据集；

构建神经网络模型，所述神经网络模型以ResNet50为CenterNet目标检测算法的主干特征提取网络，加入注意力模型后的残差结构对输入的特征图进行通道注意；

使用所述训练数据集对所述神经网络模型的CenterNet目标检测算法进行训练，以获得训练好的网络模型；

将待检测烟虫图像输入训练好的所述神经网络模型，以获得烟虫检测结果。

优选的，所述制作目标检测的训练数据集包括：

使用不同的图像采集设备采集样本图像，再对所述样本图像进行数据增强处理，包括裁剪、平移、亮度和高斯噪声；

对所述样本图像进行数据集标注，并生成对应的XML文件。

优选的，所述对所述样本图像进行数据集标注，包括：

打开图片目录，选择标注文件保存地址，创建边界框，锁定目标范围和选择目标类型，最后将数据集整理为VOC格式。

优选的，所述制作目标检测的训练数据集还包括：

对所述样本图像进行图像质量评估，并根据所述样本图像的质量评估值对烟虫图像进行分类，以形成不同的训练数据集。

优选的，所述神经网络模型以ResNet50为CenterNet目标检测算法的主干特征提取网络，包括：