基于Faster R-CNN的粮仓害虫检测方法技术

本发明专利技术公开了基于Faster R‑CNN的粮仓害虫检测方法，属于粮仓害虫识别技术领域，具体包括以下步骤，首先实时获取粮仓害虫图像；然后使用Faster R‑CNN模型对粮仓害虫进行检测，具体是在训练后的模型中实时输入粮仓害虫图像，最后输出粮仓害虫检测结果，检测结果包括粮仓害虫类型和害虫在粮仓中的位置。训练模型包括以下步骤：建立粮仓害虫数据库；同时改进Faster R‑CNN模型；然后使用改进后的Faster R‑CNN模型训练粮仓害虫数据库，得到训练后的Faster R‑CNN模型。本专利有效的解决了粮仓害虫相邻检测结果不精准的问题，模型能应用于粮仓真实背景下并有较高的准确率。

Pest detection method of Granary Based on faster r-cnn

【技术实现步骤摘要】
基于FasterR-CNN的粮仓害虫检测方法
本专利技术属于粮仓害虫识别
，具体是涉及一种基于FasterR-CNN的粮仓害虫检测方法。
技术介绍
中国是世界上最大的粮食生产国也是最大的粮食消费国，我国是通过各种仓库对粮食进行储藏，在存储方面存在着很多问题，如潮湿发热、发霉变质、滋生害虫等。对储粮害虫的快速有效检测识别方法，是治理储粮害虫的第一步，在过去，普通粮农普遍缺乏虫害识别知识，专家人工识别的速度和效率非常有限，因此单凭粮农自身很难对症下药，造成了很大的损失，所以需要借助计算机视觉和图像处理等技术手段对储粮害虫进行检测。粮仓害虫图像检测中的主要挑战是在粮仓害虫与其他谷物混合的情况下识别粮仓害虫并且将其与其他害虫种类进行区分。对图像中的物体进行检测如行人检测和车辆检测是利用候选区域选择的方法来推断物体的位置。候选区域选择是物体检测的预处理阶段，选择合适的候选区域方法，能使物体检测中分类器的效率得到提高。早期的候选区域选择算法包括选择性搜索，滑动窗口，超像素和高斯等。2016年提出了区域提案网络(RPN)，RPN通过图形处理单元本文档来自技高网...

【技术保护点】
1.基于Faster R-CNN的粮仓害虫检测方法，其特征在于，包括以下步骤：/n首先实时获取粮仓害虫图像；/n然后使用Faster R-CNN模型对粮仓害虫进行检测，具体是在训练后的Faster R-CNN模型中实时输入粮仓害虫图像，最后输出粮仓害虫检测结果，检测结果包括粮仓害虫类型和害虫在粮仓中的位置。/n

【技术特征摘要】
1.基于FasterR-CNN的粮仓害虫检测方法，其特征在于，包括以下步骤：
首先实时获取粮仓害虫图像；
然后使用FasterR-CNN模型对粮仓害虫进行检测，具体是在训练后的FasterR-CNN模型中实时输入粮仓害虫图像，最后输出粮仓害虫检测结果，检测结果包括粮仓害虫类型和害虫在粮仓中的位置。


2.根据权利要求1所述的基于FasterR-CNN的粮仓害虫检测方法，其特征在于，所述训练后的FasterR-CNN模型包括以下步骤：
建立粮仓害虫数据库；
同时改进FasterR-CNN模型；
然后使用改进后的FasterR-CNN模型训练粮仓害虫数据库，得到训练后的FasterR-CNN模型。


3.根据权利要求2所述的基于FasterR-CNN的粮仓害虫检测方法，其特征在于，所述改进FasterR-CNN模型包括以下步骤：
选取特征提取网络，对该特征提取网络进行改进，采用改进后的特征提取网络对输入图片进行特征提取得到特征图；
选取区域提案网络RPN(RegionProposalNetwork,RPN)，在该区域提案网络RPN中输入任意大小的特征图，输...

【专利技术属性】
技术研发人员：冯海林，张诗雨，杜晓晨，夏凯，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：浙江;33