【技术实现步骤摘要】
一种基于深度学习的害虫类别识别方法、装置及存储介质
本公开涉及人工智能
，特别是涉及一种基于深度学习的害虫类别识别方法、装置及存储介质。
技术介绍
依靠科技创新促进农业的发展成为当今发展农业的主题，计算机技术在新兴农业科技中占有相当重要的作用，害虫图像识别技术就是其中之一。利用该技术可以即使准确的识别害虫，减少农药的使用，提高作物产量和质量，保护生态环境。现今已经提出了多种害虫图像识别方法在环境得到有效控制的前提下取得了一定的识别准确率。但在实际复杂的农田环境中，害虫图像收到来自背景的干扰，其识别性能将受到一定的限制。多特征深度学习与多核学习技术可以综合学习害虫图像的多种类型特征，保证不会由于一种类型特征而影响总体的识别效果。
技术实现思路
本公开提供一种快速稽核方法、装置及存储介质。所述技术方案如下：根据本公开实施例的第一方面，提供了一种基于深度学习的害虫类别识别方法，所述方法包括：接收任意一种害虫图像，对害虫图像进行处理，获得多种特征数据，所述特征数据包括颜色和形状，所述害虫图像...
【技术保护点】
1.一种基于深度学习的害虫类别识别方法，其特征在于，所述方法包括：/n接收任意一种害虫图像，对害虫图像进行处理，获得多种特征数据，所述特征数据包括颜色和形状，所述害虫图像对应一个害虫名称；/n根据害虫名称创建识别矩阵，所述矩阵分别包括所述特征数据；/n接收第一排序指令，基于第一排序指令分别对所述特征数据进行排序，得到输出矩阵。/n
【技术特征摘要】
1.一种基于深度学习的害虫类别识别方法，其特征在于，所述方法包括：
接收任意一种害虫图像，对害虫图像进行处理，获得多种特征数据，所述特征数据包括颜色和形状，所述害虫图像对应一个害虫名称；
根据害虫名称创建识别矩阵，所述矩阵分别包括所述特征数据；
接收第一排序指令，基于第一排序指令分别对所述特征数据进行排序，得到输出矩阵。
2.根据权利要求1所述的害虫类别识别方法，其特征在于，
所述对害虫图像进行处理，获得多种特征数据，所述特征数据包括颜色和形状的步骤包括：
获取图像中昆虫的颜色图像、头部图像、肢体图像；
将颜色图像基于RGB色彩模式进行比对，生成整体颜色特征数据，所述颜色特征数据包括至少一种颜色；
对害虫图像进行深化，获得头部图像和肢体图像的轮廓，基于头部图像和肢体图像的轮廓分别生成头部特征数据和肢体特征数据。
3.根据权利要求2所述的害虫类别识别方法，其特征在于，
所述将颜色图像基于RGB色彩模式进行比对，生成整体颜色特征数据，所述颜色特征数据包括至少一种颜色的步骤还包括：
获取在RGB色彩模式下颜色图像所包括的所有不同颜色的子颜色特征数据；
统计不同子颜色特征数据分别对应的像素点值数量，将不同子颜色数据分别对应的像素点值数量基于冒泡算法进行排序，得到第一颜色特征数据、第二颜色特征数据以及第三颜色特征数据。
4.根据权利要求2所述的害虫类别识别方法，其特征在于，
害虫图像为M，将害虫图像矩阵化即为，建立如下矩阵：
为害虫图像的像素坐标点的RGB值，x为害虫图像的头部特征数据，y为害虫图像的肢体特征数据；
其中害虫修正图像为N，将害虫修正图像矩阵化即为，建立如下矩阵：
为害虫修正图像的像素坐标点的RGB值，a为害虫修正图像的头部特征数据，b为害虫修正图像的肢体特征数据；
然后以害虫图像的通识特征为标准对害虫修正图像进行旋转平移伸缩，使害虫的头部的方向，朝向，大小一致；
其中为以通识特征为标准得到的害虫修正图像的新矩阵，为放缩倍数，为旋转矩阵，i为旋转方向，j为旋转角度，为平移矩阵,q为横向平移程度，p为纵向平移程度；
将害虫图像和害虫修正图像换算到统一标准下的矩阵之后，对害虫图像和害虫修正图像的矩阵利用相似对角化原理求取其特征值，特征向量，将求得的害虫图像的特征向量各自构成一个特征矩阵记做和，k和l代表矩阵中第几个特征向量，利用余弦相似度加修正的方法求出第一个矩阵中每个特征向量与第二个矩阵中所有的特征向量之间的相似度如下：
其中，w为中特征向量的个总数，v为中特征向量的个总数，c为和中相同元素的个数，f为只在中存在元素在中不存在，d为只在中存在的元素在中不存在，为修正系数；
当大于预设值时，将害虫图像为M的矩阵输出。
5.一种基于深度学习的害虫类别识别装置，其特征在于，所述装置包括：
获取模块：用于接收任意一种害虫图像，对害虫图像进行处理，获得多种特征数据，所述特征数据包括颜色和形状，所述害虫图像对应一个害虫名称；
矩阵创建模块：根据害虫名称创建识别矩阵，所述矩阵分别包括所述特征数据；
修正模块：接收第...
【专利技术属性】
技术研发人员：王燕清，陈长伟，肖文洁，
申请(专利权)人：南京晓庄学院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。