一种基于机器学习模型的昆虫访花行为分析方法技术

本发明专利技术公开的基于机器学习模型的昆虫访花行为分析方法，涉及机器学习技术领域，通过在设定时间段内，通过视频采集设备采集设定种类开花植物的昆虫访花视频，根据开花植物的种类、分布地域及开花季节，从预先创建的昆虫识别模型集合中选择对应的昆虫识别模型，将该昆虫访花视频输入该昆虫识别模型，得到该昆虫访花视频各帧图像中各个昆虫的种类，根据该昆虫访花视频各帧图像中各个昆虫的种类，得到同一时间段、同一种类开花植物上各个昆虫的访花行为分析结果，重复上述步骤，得到不同时间段、不同地域、不同种类的开花植物上各个昆虫的访花行为分析结果，提高了昆虫种类识别的准确度，保证了昆虫访花行为分析结果的准确性，可扩展性较强。

【技术实现步骤摘要】
一种基于机器学习模型的昆虫访花行为分析方法
本专利技术涉及机器学习
，具体涉及一种基于机器学习模型的昆虫访花行为分析方法。
技术介绍
无论是自然生态系统还是农业生态系统中，绝大部分的开花植物依赖于包括蝇类、蝴蝶、甲虫以及蜜蜂等昆虫进行传粉，以维持自身的繁殖和世代延续。传粉昆虫在为植物传粉的同时，也获得了食物奖励。在漫长的进化过程中，这一互惠关系促使了昆虫与植物花器官的协同进化，即某些特定的植物依赖于特定的昆虫传粉。因此，生态系统中传粉昆虫的多样性对于维持植物种类的多样性意义重大。传粉昆虫多样性研究，首先要明确哪些种类的昆虫访问哪些种类的植物，并在此基础上研究各类昆虫的访花行为，以评估各类昆虫的传粉效果和生态价值。目前，昆虫种类的识别方法主要通过图像识别算法识别各个昆虫访花视频中昆虫的种类，比如申请号为201711269929.4的专利申请公开了一种用于研究传粉昆虫访花行为的方法及系统，该申请仅通过现有的图像识别算法识别图像中昆虫的种类并根据该种类，研究传粉昆虫访花行为，由于采集环境所处的光线强弱的影响，各个昆虫访花视频的清晰度不一致，针对清晰度不高的昆虫访花视频，昆虫种类识别的准确度较低，导致昆虫访花行为分析结果不准确。另外，申请号为201710662841.2的专利申请公开了一种昆虫识别预警方法及系统，该申请仅适用于图像中包含单只昆虫，当图像中有多只昆虫时，还要对该图像进行分割，并仅能对该单只昆虫进行识别，导致效率较低，且该申请公开的训练后的深度学习识别模型仅根据昆虫的静态特征来识别昆虫的，精确度不高。
技术实现思路
为解决现有技术的不足，本专利技术实施例提供了一种基于机器学习模型的昆虫访花行为分析方法，该方法包括以下步骤：在设定时间段内，通过视频采集设备采集设定种类开花植物的昆虫访花视频；根据开花植物的种类、分布地域及开花季节，从预先创建的昆虫识别模型集合中选择对应的昆虫识别模型；将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类；根据所述昆虫访花视频各帧图像中各个昆虫的种类，得到同一时间段、同一种类开花植物上各个昆虫的访花行为分析结果，其中，所述分析结果包括各个昆虫的种类、当前各类昆虫的数量、各个昆虫单次访花的开始时间、各个昆虫单次访花的结束时间、各个昆虫单次访花的运动轨迹、各个昆虫单次访花的时长、各类昆虫的访花次数；重复上述步骤，得到不同时间段、不同地域、不同种类的开花植物上各个昆虫的访花行为分析结果。优选地，所述昆虫识别模型集合的创建过程包括：从海量昆虫历史访花视频选取设定类型视频，生成第一视频集合，其中，所述设定类型视频为针对设定种类开花植物、设定地域及设定季节拍摄的多个视频；分别截取所述第一视频集合中各个视频中有访花昆虫出现的各帧图像并根据昆虫的种类，对所述各帧图像中的各个昆虫进行人工标注；分别将所述各帧图像输入机器学习模型对所述机器学习模型进行训练，得到用于识别针对设定地域、设定季节和设定开花植物的昆虫访花视频的多个昆虫识别模型，生成昆虫识别模型集合。优选地，将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类包括：根据昆虫的静态特征及动态特征，分别对所述昆虫访花视频各帧图像中的各个昆虫与所述第一视频集合各个视频的各帧图像中各个昆虫进行匹配，得到所述昆虫访花视频各帧图像中各个昆虫与所述第一视频集合各个视频的各帧图像各个昆虫的相似度，其中，昆虫的静态特征包括昆虫的形态、大小、体表色斑、翅脉纹路，昆虫的动态特征包括昆虫的爬行特征、飞行特征及采花时的动作特征；从所述第一视频集合各个视频的各帧图像中选取相似度最大的昆虫的标签作为对应昆虫的实际标签，得到所述昆虫访花视频各帧图像中各个昆虫的种类。优选地，在将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类之后，所述方法还包括：利用所述第一视频集合对所述昆虫识别模型进行测试，得到所述昆虫识别模型的准确率；判断所述准确率是否大于设定的阈值，若否，则经过人工检测，获取所述第一视频集合中存在误检和漏检的图像并对所述图像中的各个昆虫进行二次标注；将所述图像输入昆虫识别模型对所述昆虫识别模型进行训练；重复上述步骤，直至所述昆虫识别模型的准确率大于设定的阈值。优选地，判断所述准确率是否大于设定的阈值包括：若是，则从海量未参与昆虫识别模型训练的昆虫历史访花视频中随机选取设定数量的视频，得到第二视频集合；分别对所述第二视频集合各个视频各帧图像中的各个昆虫进行标注，利用标注后的各帧图像，对所述昆虫识别模型进行训练；再次计算所述昆虫识别模型的准确率，判断所述准确率是否大于设定的阈值，若否，则重复上述步骤，直至所述昆虫识别模型的准确率大于设定的阈值。优选地，所述机器学习模型为SVM模型。本专利技术实施例提供的基于机器学习模型的昆虫访花行为分析方法具有以下有益效果：根据开花植物的种类、分布领域及开花季节，从预先创建的机器学习模型集合中选择对应的机器学习模型来识别特定类型视频中的昆虫，提高了昆虫种类识别的准确度及效率，保证了昆虫访花行为分析结果的准确性，可扩展性较强。附图说明图1为本专利技术实施例提供的基于机器学习模型的昆虫访花行为分析方法流程示意图；图2为利用标注工具对昆虫历史访花视频中各个图像进行标注的界面示意图；图3为利用本专利技术实施例提供的训练过的机器学习模型得到的昆虫运动轨迹示意图。具体实施方式以下结合附图和具体实施例对本专利技术作具体的介绍。如图1所示，本专利技术实施例提供了一种基于机器学习模型的昆虫访花行为分析方法，该方法包括以下步骤：S101，在设定时间段内，通过视频采集设备采集设定种类开花植物的昆虫访花视频。作为本专利技术一个具体的实施例，该设定种类开花植物为向日葵。S102，根据开花植物的种类、分布地域及开花季节，从预先创建的昆虫识别模型集合中选择对应的昆虫识别模型。S103，将该昆虫访花视频输入该昆虫识别模型，得到该昆虫访花视频各帧图像中各个昆虫的种类。S104，根据该昆虫访花视频各帧图像中各个昆虫的种类，得到同一时间段、同一种类开花植物上各个昆虫的访花行为分析结果，其中，所述分析结果包括各个昆虫的种类、当前各类昆虫的数量、各个昆虫单次访花的开始时间、各个昆虫单次访花的结束时间、各个昆虫单次访花的运动轨迹、各个昆虫单次访花的时长、各类昆虫的访花次数。作为本专利技术一个具体的实施例，各个昆虫的种类包括蜜蜂、蝴蝶、蛾、蚁等传粉昆虫，一个标签代表一个种类的昆虫；当前具有相同标签昆虫的数量即为当前各类昆虫的数量，各个昆虫进入开花植物的时刻和离开开花植物的时刻即为各个昆虫单次访花的开始时间及结束时间；每只昆虫离开开花植物的时刻减去每只传粉昆虫进入开花植物的时刻，得到每只昆虫单次访花的时长；利用目标本文档来自技高网...

【技术保护点】
1.一种基于机器学习模型的昆虫访花行为分析方法，其特征在于，包括：/n在设定时间段内，通过视频采集设备采集设定种类开花植物的昆虫访花视频；/n根据开花植物的种类、分布地域及开花季节，从预先创建的昆虫识别模型集合中选择对应的昆虫识别模型；/n将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类；/n根据所述昆虫访花视频各帧图像中各个昆虫的种类，得到同一时间段、同一种类开花植物上各个昆虫的访花行为分析结果，其中，所述分析结果包括各个昆虫的种类、当前各类昆虫的数量、各个昆虫单次访花的开始时间、各个昆虫单次访花的结束时间、各个昆虫单次访花的运动轨迹、各个昆虫单次访花的时长、各类昆虫的访花次数；/n重复上述步骤，得到不同时间段、不同地域、不同种类的开花植物上各个昆虫的访花行为分析结果。/n

【技术特征摘要】
1.一种基于机器学习模型的昆虫访花行为分析方法，其特征在于，包括：
在设定时间段内，通过视频采集设备采集设定种类开花植物的昆虫访花视频；
根据开花植物的种类、分布地域及开花季节，从预先创建的昆虫识别模型集合中选择对应的昆虫识别模型；
将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类；
根据所述昆虫访花视频各帧图像中各个昆虫的种类，得到同一时间段、同一种类开花植物上各个昆虫的访花行为分析结果，其中，所述分析结果包括各个昆虫的种类、当前各类昆虫的数量、各个昆虫单次访花的开始时间、各个昆虫单次访花的结束时间、各个昆虫单次访花的运动轨迹、各个昆虫单次访花的时长、各类昆虫的访花次数；
重复上述步骤，得到不同时间段、不同地域、不同种类的开花植物上各个昆虫的访花行为分析结果。


2.根据权利要求1所述的基于机器学习模型的昆虫访花行为分析方法，其特征在于，所述昆虫识别模型集合的创建过程包括：
从海量昆虫历史访花视频选取设定类型视频，生成第一视频集合，其中，所述设定类型视频为针对设定种类开花植物、设定地域及设定季节拍摄的多个视频；
分别截取所述第一视频集合中各个视频中有访花昆虫出现的各帧图像并根据昆虫的种类，对所述各帧图像中的各个昆虫进行人工标注；
分别将所述各帧图像输入机器学习模型对所述机器学习模型进行训练，得到用于识别针对设定地域、设定季节和设定开花植物的昆虫访花视频的多个昆虫识别模型，生成昆虫识别模型集合。


3.根据权利要求1或2所述的基于机器学习模型的昆虫访花行为分析方法，其特征在于，将所述昆虫访花视频输入所述昆虫识别模型，得到所述昆虫访花视频各帧图像中各个昆虫的种类包括：
根据昆虫的静态特征及动态特征，分别对所述昆虫访花视频各帧图像中的各个昆虫与所述第一视频集合各个视频的各帧图像中各个昆虫进行匹配，得到所述昆虫访花视频各帧图像中各个昆虫与所述第...

【专利技术属性】
技术研发人员：杨慧鹏，罗术东，姚军，吴杰，
申请(专利权)人：中国农业科学院蜜蜂研究所，
类型：发明
国别省市：北京;11