[发明专利]基于FCOS算法的生态生物识别方法

说明书

本发明公开了基于FCOS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采集生物图像，得到待识别的生物图像；对待识别的生物图像进行预处理，得到原始图片，然后将原始图片进行存储；搭建网络架构，将原始图片送入backbone网络中获取原始图片的feature_map，在feature_map的每一点上面进行回归操作，进行网络训练获取网络模型；将预训练的网络模型应用到原始图片中，从特征金字塔的多个Head中获得预测的结果；使用NMS处理操作提取置信度高的目标检测框获得最终的结果。本发明通过设置FCOS算法，使得目标检测速度快，精度高，能够有效的提高生物识别率。

技术领域

本发明涉及生物识别技术领域，尤其涉及基于FCOS算法的生态生物识别方法。

背景技术

水生物是判断河水是否受到污染的有效参照物。河水中不同化学物质的分布和浓度，将决定河中水生物的类型构成。一些水生物在某种河流条件下可以繁殖很快，在另一环境下则可能死亡，这是由河水中的不同成分决定的。因此，只要分析河流中水生物的类型构成，就可对某一河段中存在什么样的化学物质做出判断。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。

现有技术中，通常通过采集现场的图像，然后在采集到的图像中确定是否存在着需要进行检测的目标，以及确定出目标所在的位置。但是现有技术中，对图像中的目标进行检测时，检测结果往往不够准确。

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FCOS算法的生态生物识别方法。

本发明提出的基于FCOS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采集生物图像，得到待识别的生物图像；

S2对待识别的生物图像进行预处理，得到原始图片，然后将原始图片进行存储；

S3搭建网络架构，将原始图片送入backbone网络中获取原始图片的feature_map，在feature_map的每一点上面进行回归操作，进行网络训练获取网络模型；

S4将预训练的网络模型应用到原始图片中，从特征金字塔的多个Head中获得预测的结果；

S5使用NMS处理操作提取置信度高的目标检测框获得最终的结果。

优选的，所述步骤S3的具体步骤如下：

S31将feature_map中的每一个点(x,y)映射回原始的输入图片中；

S32然后，如果这个映射回原始输入的点在相应的GT的BB范围之内，而且类别标签对应，将其作为训练的正样本块，否则将其作为正样本块；

S33接着，获得正样本块，然后使用正样本块进行回归操作。

优选的，所述步骤S3使用ResNet-50作为backbone网络。

优选的，所述步骤S2中，预处理操作包括均值化、去雾、裁剪操作。

优选的，所述步骤S3之前，通过预先训练的卷积神经网络，对所述待检测图像进行降维处理。

优选的，所述步骤S1采集生物图像时，获取湖面生物检测采集点的时间和位置，并进行存储。

优选的，所述步骤S1将采集生物图像采用图像归一法和图像增强法对采集的生物图像数据进行处理。