[发明专利]基于DAFS算法的生态生物识别方法

说明书

本发明公开了基于DAFS算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像；对待识别的生物图像进行处理，然后将处理后待识别的生物图像送入神经网络；神经网络对生物图像进行处理，在训练过程中输出待识别生物图像对应每一个类别的概率数值；利用DAFS算法生成一系列作为样本的候选框，利用不同尺寸的候选框选定图中的某一部分作为候选区域；选取处理后的生物图像，并通过DAFS算法进行图像分割处理得到图像。本发明操作简单，运算速度快，运算精度高，通过设置DAFS算法的设置，进一步提高了生物识别率。

技术领域

本发明涉及生物识别技术领域，尤其涉及基于DAFS算法的生态生物识别方法。

背景技术

水生生物群落与水环境有着错综复杂的相互关系，对水质变化起着重要作用。不同种类的水生生物对水体污染的适应能力不同，有的种类只适于在清洁水中生活，被称为清水生物(或寡污生物)。而有些水生生物则可以生活在污水中，被称为污水生物。水生生物的存亡标志着水质变化程度，因此生物成为水体污化的指标，通过水生生物的调查，可以评价水体被污染的状况，有许多水生生物对水中毒物很敏感，也可以通过水生生物毒性实验结果来判断水质污染程度。水生生物的调查常用到生物识别技术，现有的生物识别检测的劳动强度大，检测效率和精度不高。

发明内容

基于背景技术存在的技术问题，本发明提出了基于DAFS算法的生态生物识别方法。

本发明提出的基于DAFS算法的生态生物识别方法，包括如下步骤：

S1发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像；

S2对待识别的生物图像进行处理，然后将处理后待识别的生物图像送入神经网络；

S3神经网络对生物图像进行处理，在训练过程中输出待识别生物图像对应每一个类别的概率数值；

S4利用DAFS算法生成一系列作为样本的候选框，利用不同尺寸的候选框选定图中的某一部分作为候选区域；

S5选取处理后的生物图像，并通过DAFS算法进行图像分割处理得到图像；

S6对分割处理得到图像进行特征提取，使用全局平均池化接全连阶层分类，得到生物图像候选区域的特征数据；

S7将得到的生物图像特征数据与生态特征数据库中的特征数据进行对比识别。

优选的，所述步骤S2对待识别的生物图像进行处理包括：对生物图像进行分割，获得分割后的各个子图像进行优化求精，并合并还原成生物图像。

优选的，所述步骤S5对生物图像进行分割具体过程为：采用随机划分方法对生物图像进行划分，获得多个子图像。

优选的，所述步骤S1采集的生物图像进行拆分提纯，剔除无用数据信息，对图像进行降维处理，降维处理有效去除冗余信息，提取有用特征。

优选的，所述生物图像采用混合滤波方法对原始图片做降噪处理。

优选的，所述步骤S2对待检测的生物图像经过归一化处理以及按照固定尺寸缩放处理，获取处理后的待检测生物图像的框特征。

优选的，所述步骤S1对采集生物图像数据进行加密处理，并将加密处理后的生物图像数据放入存储器中进行存储。

优选的，所述步骤S6特征提取网络为backbone network。

本发明中，所述基于DAFS算法的生态生物识别方法，操作简单，运算速度快，运算精度高，通过设置DAFS算法的设置，进一步提高了生物识别率。

附图说明

图1为本发明提出的基于DAFS算法的生态生物识别方法的流程图。

具体实施方式