[发明专利]基于自适应特征融合金字塔网络的三阶段害虫图像识别方法

说明书

本发明涉及一种基于自适应特征融合金字塔网络的三阶段害虫图像识别方法，包括：获取害虫图像数据集；构建自适应特征融合金字塔网络，将害虫原图像输入，输出害虫特征图；构建三阶段害虫图像目标定位识别网络；自适应特征融合金字塔网络与三阶段害虫图像目标定位识别网络组成害虫图像识别模型，将训练集输入害虫图像识别模型，将测试集输入训练好的害虫图像识别模型中，输出害虫图像检测的结果。本发明加强对害虫图像特征提取能力，获得更高质量更准确的预测框，最后构建三阶段害虫图像目标定位识别网络，加强了对害虫目标检测的精度；本方法可以运用到复杂的、相似度高的农业害虫检测工作中。

技术领域

本发明涉及害虫图像检测技术领域，尤其是一种基于自适应特征融合金字塔网络的三阶段害虫图像识别方法。

背景技术

传统农业害虫识别主要是依靠农技人员“眼观手查”完成，但是人工方法害虫检测方法效率低，容易受农技人员的主观经验的影响误判，因此不利于农业害虫的及时、有效防控。随着计算机视觉技术的发展，许多研究人员采用机器学习算法对农业害虫图像进行识别，取得了较好地识别效果。但是面对复杂的农田环境、不同类别的害虫相似度高，因此传统的基于机器学习的方法，在对害虫目标的特征提取困难，导致识别精度低。

因此，如何高效地对复杂背景下的害虫图像特征进行提取，并区分相似度高的不同类别害虫，以提升害虫图像识别精度，为农业害虫提供及时、有效的防控建议具有重要意义的。

发明内容

本发明的目的在于提供一种不仅能够加快对多种类、小尺度害虫图像识别的速度与准确度，而且能够运用到复杂的、相似度高的农业害虫检测工作中的基于自适应特征融合金字塔网络的三阶段害虫图像识别方法。

为实现上述目的，本发明采用了以下技术方案：一种基于自适应特征融合金字塔网络的三阶段害虫图像识别方法，该方法包括下列顺序的步骤：

(1)获取害虫图像数据集，害虫图像数据集是害虫原图像的集合，将害虫图像数据集按7：3的比例划分成训练集与测试集；

(2)构建自适应特征融合金字塔网络，将害虫原图像输入自适应特征融合金字塔网络，自适应特征融合金字塔网络输出害虫融合特征图；

(3)构建三阶段害虫图像目标定位识别网络；

(4)自适应特征融合金字塔网络与三阶段害虫图像目标定位识别网络组成害虫图像识别模型，将训练集输入害虫图像识别模型，对害虫图像识别模型进行训练，将测试集输入训练好的害虫图像识别模型中，害虫图像识别模型输出害虫图像检测的结果。

所述步骤(2)具体包括以下步骤：

(2a)自适应特征融合金字塔网络由害虫特征提取层和自适应特征融合层构成，其中，害虫特征提取层包括深度残差网络和一个1×1×256的卷积；自适应特征融合层包括卷积神经网络和一个softmax归一化指数函数；

(2b)害虫特征提取层进行害虫特征提取：将害虫原图像输入害虫特征提取层以获得害虫特征图，害虫特征提取层对害虫原图像提取特征时采用深度残差网络作为骨干网络，首先进行通道变换：对来自深度残差网络提取的不同层级的害虫特征图，采用卷积核大小为1×1×256的卷积操作；其次采用特征图尺度变换：将第l层的害虫特征图进行上采样或者下采样变换到第k层害虫特征图尺度的大小，得到害虫特征图X^kl；

(2c)自适应特征融合层对获得的害虫特征图进行自适应特征融合，输出所需的害虫融合特征图，自适应特征融合的公式为：

其中，表示输出害虫特征图,Y^l位置i处的特征向量；表示从第k层到第l层做尺度变化后的害虫特征图上第i位置处的特征向量；和是可学习权重，通过卷积神经网络的学习获取；和的值在0至1之间，且

使用softmax归一化指数函数计算可学习权重和计算公式为：