一种基于图像识别的蚊媒自动监测系统技术方案

本发明专利技术公开了一种基于图像识别的蚊媒自动监测系统，包括设置在后台服务器中的图像预处理模块和蚊媒类型识别模块，用于对待识别的蚊媒图像进行自动识别；其中，所述图像预处理模块用于对蚊媒图像进行标准化、光照校正和去噪处理；所述蚊媒类型识别模块用于结合VGG‑16模型和Faster R‑CNN框架模型，对预处理后的蚊媒图像进行种类识别和数量统计；由于采用了Faster R‑CNN框架模型和VGG‑16模型理论，一改传统蚊媒监测系统的纯人工检查监测手段，不仅节省了大量人力物力，并有利于实现对蚊媒的在线实时智能监测功能，可迅速准确获得蚊媒监测结果，操作简单、节省人力，能现场快速检测，可满足大面积的现场检测工作需要以及长期全面高效蚊媒监测的需求，具有很强的实用价值。

【技术实现步骤摘要】
一种基于图像识别的蚊媒自动监测系统
本专利技术涉及蚊媒监测系统领域，尤其涉及的是一种基于图像识别的蚊媒自动监测系统。
技术介绍
随着全球化、气候变化和城市化进程的加速，近年来登革热、基孔肯亚热、寨卡等蚊媒传染病在全球范围内呈扩散趋势，中国也面临巨大的蚊媒传染病防控压力。例如，白纹伊蚊和三带喙库蚊等蚊媒是传播登革热和流行性乙型脑炎等传染病的重要媒介，其将病原生物从宿主传播给人类，对人类健康带来巨大危害，严重威胁到人民的生命财产安全。而对蚊媒进行监测是进行蚊媒传染病防控的关键，不仅有利于了解蚊虫的种属构成和密度分布，还可对蚊媒传染病流行提供预警和风险分析。目前，中国国内蚊媒监测的常用方法有人工叮咬法、人帐诱捕法、紫外灯诱捕法、CO2诱捕法、黑箱法、灭蚊磁场法、BGS诱蚊器、诱蚊诱卵法等等。人工叮咬法和人帐诱捕法虽操作简单，但存在易使操作者感染疾病的风险；紫外灯诱捕法利用蚊虫的趋光性捕捉蚊虫，使用范围广，但其本身对蚊类的吸引力不强；CO2诱捕法以CO2作为引诱剂，安全无害，且更倾向于吸引雌蚊，但有研究认为该法对库蚊与按蚊的捕捉效果欠佳；黑箱法设备简单、易操作，但有研究指出可能不适用于捕获按蚊；灭蚊磁场法因无需外接电源，主要应用于蚊害严重的偏远地区；BGS诱蚊器需要动力来源且成本较高；而诱蚊诱卵法多适用于登革媒介白纹伊蚊种群的监测。因而，大多蚊媒监测方法都有其缺点和局限性，不能满足长期全面高效蚊媒监测的需求。此外，目前传统的蚊媒监测多是先通过上述方法捕捉蚊虫后，再通过人工肉眼清点记录捕获的蚊虫数量和种类。少数或在显微镜下逐个检查测定蚊虫，或使用一些新兴的检测方法，如酶学方法和分子生物学方法等进行监测。但是，这些检测方法都耗费人力，操作步骤繁琐，受人为因素的影响较大，不够客观和科学，难以指导传染病的防控工作，且不能现场快速检测，难以满足大面积的现场监测工作需要。
技术实现思路
为解决上述技术问题，本专利技术提供一种基于图像识别的蚊媒自动监测系统，操作简单、节省人力，能现场快速检测，可满足大面积的现场检测工作需要以及长期全面高效蚊媒监测的需求。本专利技术的技术方案如下：一种基于图像识别的蚊媒自动监测系统，设置在后台服务器中，用于对待识别的蚊媒图像进行自动识别，包括图像预处理模块和蚊媒类型识别模块：所述图像预处理模块用于对蚊媒图像进行标准化、光照校正和去噪处理；所述蚊媒类型识别模块用于结合VGG-16模型和FasterR-CNN框架模型，对预处理后的蚊媒图像进行种类识别和数量统计。所述的基于图像识别的蚊媒自动监测系统，其中，所述图像预处理模块用于对待识别的蚊媒图像的大小进行统一标准化处理，并采用Gamma校正算法对标准化后的蚊媒图像进行光照规整处理，以及采用高斯低通滤波算法对光照规整后的蚊媒图像进行去噪处理。所述的基于图像识别的蚊媒自动监测系统，其中，所述FasterR-CNN框架模型包括区域建议网络模块和检测识别模块，所述区域建议网络模块为全卷积神经网络，用于提取蚊媒区域，所述检测识别模块基于区域建议网络模块对提取的蚊媒区域进行蚊媒类别的识别。所述的基于图像识别的蚊媒自动监测系统，其中，所述检测识别模块用于将经过预处理后的蚊媒图像输入VGG-16模型进行特征提取得到特征层，且采用全卷积神经网络生成与蚊子尸体一一对应的蚊媒提取窗口，将该蚊媒提取窗口映射到提取的特征层上，并将每个蚊媒提取窗口基于最大值池化理论划分成固定尺寸的特征层，以及利用探测分类概率对每个蚊媒提取窗口中的蚊子尸体进行分类。所述的基于图像识别的蚊媒自动监测系统，其中，所述全卷积神经网络中每个候选区域的初始窗口大小为64×64，48×84，84×48；所述特征层Featuremaps的固定尺寸为7×7。所述的基于图像识别的蚊媒自动监测系统，其中，所述FasterR-CNN框架模型通过蚊媒训练样本库的蚊媒图像进行训练，所述蚊媒训练样本库基于FasterR-CNN框架模型的识别统计结果进行迭代。所述的基于图像识别的蚊媒自动监测系统，其中，所述蚊媒训练样本库包括初始蚊媒训练样本和后续蚊媒训练样本，所述初始蚊媒训练样本的蚊媒图像通过对实验室养殖或野外捕获并经乙醚处死的蚊子尸体进行拍照获得，所述后续蚊媒训练样本的蚊媒图像根据后续蚊媒图像处理的结果而不断更新。所述的基于图像识别的蚊媒自动监测系统，其中，所述初始蚊媒训练样本的蚊媒图像幅数大于100张，均采用人工标记，且标记的蚊子尸体总数量超过5000只。所述的基于图像识别的蚊媒自动监测系统，其中，所述图像预处理模块还用于对初始蚊媒训练样本的蚊媒图像的大小进行统一标准化处理，并采用Gamma校正算法对标准化后的蚊媒图像进行光照规整处理，以及采用高斯低通滤波算法对光照规整后的蚊媒图像进行去噪处理。所述的基于图像识别的蚊媒自动监测系统，其中，所述蚊媒图像的大小统一为3264×2368×3；所述Gamma校正算法中gamma的取值范围设定在0.4~2.2之间。本专利技术所提供的一种基于图像识别的蚊媒自动监测系统，由于采用了FasterR-CNN框架模型和VGG-16模型理论，一改传统蚊媒监测系统的纯人工检查监测手段，不仅节省了大量人力物力，并有利于实现对蚊媒的在线实时智能监测功能，可迅速准确获得蚊媒监测结果，操作简单、节省人力，能现场快速检测，可满足大面积的现场检测工作需要以及长期全面高效蚊媒监测的需求，具有很强的实用价值，且人为因素影响较小，较为客观和科学，适合指导蚊媒传染病的防控工作。附图说明图1是本专利技术基于图像识别的蚊媒自动监测系统实施例的构架示意图；图2是本专利技术基于图像识别的蚊媒自动监测系统实施例中的FasterR-CNN框架模型结构示意图。具体实施方式以下将结合附图，对本专利技术的具体实施方式和实施例加以详细说明，所描述的具体实施例仅用以解释本专利技术，并非用于限定本专利技术的具体实施方式。如图1和图2所示，图1是本专利技术基于图像识别的蚊媒自动监测系统实施例的构架示意图，图2是本专利技术基于图像识别的蚊媒自动监测系统实施例中的FasterR-CNN框架模型结构示意图；该蚊媒自动监测系统设置在后台服务器中，用于对待识别的蚊媒图像201进行自动识别，而待识别的蚊媒图像201则另外通过蚊媒检测系统110获得；所述蚊媒自动监测系统包括图像预处理模块120和蚊媒类型识别模块，其中，所述图像预处理模块120用于对蚊媒图像201进行标准化、光照校正和去噪的预处理；所述蚊媒类型识别模块用于结合VGG-16模型210和FasterR-CNN框架模型200，对预处理后的蚊媒图像201进行种类识别和数量统计170，并输出识别后的蚊媒图像203。本文中的FasterR-CNN框架模型200指的是深度学习FasterR-CNN框架模型，借鉴和参考了S.Ren,etal.“FasterR-CNN:Towardsreal-timeobjectdetectionwithregionproposalnetworks.”AdvancesinNeuralInformationProcessingSystems.2015文献，并将其用于蚊媒自动监测系统中。本文中的VGG-16模型210借鉴和参考了K.SimonyanandA.Zisserman.VeryDeepConvolu本文档来自技高网...

【技术保护点】
1.一种基于图像识别的蚊媒自动监测系统，设置在后台服务器中，用于对待识别的蚊媒图像进行自动识别，其特征在于，包括图像预处理模块和蚊媒类型识别模块：所述图像预处理模块用于对蚊媒图像进行标准化、光照校正和去噪处理；所述蚊媒类型识别模块用于结合VGG‑16模型和Faster R‑CNN框架模型，对预处理后的蚊媒图像进行种类识别和数量统计。

【技术特征摘要】
1.一种基于图像识别的蚊媒自动监测系统，设置在后台服务器中，用于对待识别的蚊媒图像进行自动识别，其特征在于，包括图像预处理模块和蚊媒类型识别模块：所述图像预处理模块用于对蚊媒图像进行标准化、光照校正和去噪处理；所述蚊媒类型识别模块用于结合VGG-16模型和FasterR-CNN框架模型，对预处理后的蚊媒图像进行种类识别和数量统计。2.根据权利要求1所述的基于图像识别的蚊媒自动监测系统，其特征在于，所述图像预处理模块用于对待识别的蚊媒图像的大小进行统一标准化处理，并采用Gamma校正算法对标准化后的蚊媒图像进行光照规整处理，以及采用高斯低通滤波算法对光照规整后的蚊媒图像进行去噪处理。3.根据权利要求1所述的基于图像识别的蚊媒自动监测系统，其特征在于：所述FasterR-CNN框架模型包括区域建议网络模块和检测识别模块，所述区域建议网络模块为全卷积神经网络，用于提取蚊媒区域，所述检测识别模块基于区域建议网络模块对提取的蚊媒区域进行蚊媒类别的识别。4.根据权利要求3所述的基于图像识别的蚊媒自动监测系统，其特征在于：所述检测识别模块用于将经过预处理后的蚊媒图像输入VGG-16模型进行特征提取得到特征层，且采用全卷积神经网络生成与蚊子尸体一一对应的蚊媒提取窗口，将该蚊媒提取窗口映射到提取的特征层上，并将每个蚊媒提取窗口基于最大值池化理论划分成固定尺寸的特征层，以及利用探测分类概率对每个蚊媒提取窗口中的蚊子尸体进行分类。5.根据权利要求4所述的基于图像识别的蚊媒自动监测系统...

【专利技术属性】
技术研发人员：马文军，刘涛，刘礼平，蔡松武，黄宇琳，
申请(专利权)人：广东省公共卫生研究院，广东省疾病预防控制中心，
类型：发明
国别省市：广东,44