基于视觉显著性的粮食害虫检测方法和装置制造方法及图纸

本公开提供了一种基于视觉显著性的粮食害虫检测方法和装置，所述方法包括：获取当前待检测图像；将所述当前待检测图像输入到预先训练的粮食害虫检测模型中，输出粮食害虫的视觉显著图，其中，所述粮食害虫检测模型为反向级联特征聚合神经网络，包括骨干网络、串联空洞卷积模块和反向特征聚合模块。本发明专利技术将视觉显著性用于粮食害虫等小目标检测，通过级联空洞卷积模块增大卷积感受野，通过反向级联特征聚合模块增强和丰富显著小目标的特征表示，使得粮食害虫的检测结果更为精确。

【技术实现步骤摘要】
基于视觉显著性的粮食害虫检测方法和装置
本公开的实施例一般涉及图像处理
，并且更具体地，涉及基于视觉显著性的粮食害虫检测方法和装置。
技术介绍
储粮害虫因取食、呼吸、排泄、繁殖等活动，对粮食储藏带来损坏、结露、霉变等多种危害。据统计，世界上每年仅由虫害造成的储粮损失约占粮食总产量的10％左右。因此，进行储粮害虫的快速检测和有效控制，是降低粮食储藏损失和保证国家粮食安全的重要途径。人和鸟类通过简单的扫视就能发现粮食中的害虫，这种从场景中快速搜索和定位感兴趣目标、自动估计场景中最受关注区域的方式就称为视觉显著性分析。对粮食害虫图像进行显著性分析，有利于快速而准确地确定粮食中有无害虫及害虫所在的区域。随着深度学习技术的快速发展，卷积神经网络能够获得更丰富的图像特征，在目标检测、图像识别、语义分割等任务中取得了较好的应用，相关方法较传统图像处理方法在性能上也有很大提高。现有的视觉显著性检测模型及数据集，一般假定图像中有一个或两个较大的显著目标，没有考虑图像中没有显著目标的情况，当目标尺度较小或者目标数量增多时，这些模型的性能会显著本文档来自技高网...

【技术保护点】
1.一种基于视觉显著性的粮食害虫检测方法，其特征在于，包括：/n获取当前待检测图像；/n将所述当前待检测图像输入到预先训练的粮食害虫检测模型中，输出粮食害虫的视觉显著图，其中，所述粮食害虫检测模型为反向级联特征聚合神经网络，包括骨干网络、串联空洞卷积模块和反向特征聚合模块。/n

【技术特征摘要】
1.一种基于视觉显著性的粮食害虫检测方法，其特征在于，包括：
获取当前待检测图像；
将所述当前待检测图像输入到预先训练的粮食害虫检测模型中，输出粮食害虫的视觉显著图，其中，所述粮食害虫检测模型为反向级联特征聚合神经网络，包括骨干网络、串联空洞卷积模块和反向特征聚合模块。


2.根据权利要求1所述的基于视觉显著性的粮食害虫检测方法，其特征在于，所述粮食害虫显著性检测模型通过以下方式训练得到：
将训练样本输入预先建立的反向级联特征聚合神经网络模型中，模型骨干网络有五个卷积单元，输出5组多通道特征图；骨干网络第3层至第5层的输出特征经串联空洞卷积模块扩大感受野；反向特征聚合模块将经所述级联空洞卷积后的高层特征与骨干网络的低层输出特征进行聚合，高层向低层的映射特征与骨干网络对应层输出特征按位相乘，生成增强特征图，然后将所述增强特征图与反向映射特征进行拼接，生成聚合特征图；最后一层聚合特征经1ⅹ1卷积运算得到视觉显著图；
根据二元交叉熵损失函数确定所述视觉显著图相对基准图的损失，根据误差反向传播机制对所述粮食害虫显著性检测模型进行参数调整；
重复上述过程，直到达到预定的训练轮数，或者当模型在验证集上性能下降时使用提前停止策略，完成对粮食害虫检测模型的训练。


3.根据权利要求2所述的基于视觉显著性的粮食害虫检测方法，其特征在于，还包括：
在对所述粮食害虫检测模型的训练过程中，对训练样本进行小角度旋转...

【专利技术属性】
技术研发人员：于俊伟，李欣欣，张自豪，李浩，郭倩倩，李阳，王贵财，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：河南;41