一种粘虫板图像上小体积害虫检测方法及系统技术方案

本发明专利技术提供一种粘虫板图像上小体积害虫检测方法及系统，包括：获取目标图像，目标图像为捕获目标害虫的粘虫板图像；将目标图像输入至训练好的害虫检测识别模型，以确定目标害虫的种类信息和位置信息，训练好的害虫检测识别模型是基于单阶段目标检测算法构建的；通过统计检测出的种类信息和位置信息获取目标害虫的数量信息。本发明专利技术提供的粘虫板图像上小体积害虫检测方法及系统，采用针对小体积害虫检测的深度学习模型统计粘虫板图像上目标害虫的数量，利用特征拼接来扩大特征图和增加残差单元的手段，实现对田间粘虫板图像上小体积害虫的自动准确检测，为害虫的种群密度估计提供一种精准的数据采集方法，并对后期害虫防治策略提供数据基础。

【技术实现步骤摘要】
一种粘虫板图像上小体积害虫检测方法及系统
本专利技术涉及计算机图像处理
，尤其涉及一种粘虫板图像上小体积害虫检测方法及系统。
技术介绍
随着计算机视觉技术的发展，通过图像视觉代替人眼对害虫进行识别计数，可以有效解决人工害虫调查过程存在的不足。针对白粉虱、蓟马等设施农业中常发的害虫，近年来出现了很多基于深度学习的目标检测算法和提升目标检测精度的方法。目前，利用粘虫板上的目标害虫数量调查作物虫害程度是害虫管理过程中常用的技术手段。有一种方法，通过构建基于多颜色空间融合的害虫识别分类模型，对预先采集的粘虫板图像进行害虫识别分类。此外，还有一种方法，通过使用分水岭算法从背景图像中进行昆虫分割，利用马氏距离法提取昆虫的颜色特征，进行害虫种类的鉴定，并在不同的图像分辨率下评估精度和计算成本。但以上方法均是基于人工设计的特征进行害虫检测，存在田间应用时鲁棒性弱，尤其是对类似白粉虱、蓟马等小体积害虫检测精度表现一般，在实际应用中存在很大的局限。
技术实现思路
针对上述现有技术存在鲁棒性弱和精度不足的问题，本专利技术实施本文档来自技高网...

【技术保护点】
1.一种粘虫板图像上小体积害虫检测方法，其特征在于，包括：/n获取目标图像，所述目标图像为捕获目标害虫的粘虫板图像；/n将所述目标图像输入至训练好的害虫检测识别模型，以确定目标害虫的种类信息和位置信息，所述训练好的害虫检测识别模型是基于单阶段目标检测算法构建的；/n通过统计检测出的所述种类信息和所述位置信息获取所述目标害虫的数量信息。/n

【技术特征摘要】
1.一种粘虫板图像上小体积害虫检测方法，其特征在于，包括：
获取目标图像，所述目标图像为捕获目标害虫的粘虫板图像；
将所述目标图像输入至训练好的害虫检测识别模型，以确定目标害虫的种类信息和位置信息，所述训练好的害虫检测识别模型是基于单阶段目标检测算法构建的；
通过统计检测出的所述种类信息和所述位置信息获取所述目标害虫的数量信息。


2.根据权利要求1的粘虫板图像上小体积害虫检测方法，其特征在于，在将所述目标图像输入至训练好的害虫检测识别模型，以确定目标害虫的种类信息和位置信息之前，还包括构建待训练的害虫检测识别模型；害虫检测识别模型，至少包括以下单元：CSPDarknet53单元、空间金字塔池化单元、路径聚合网络单元和输出单元。


3.根据权利要求2的粘虫板图像上小体积害虫检测方法，其特征在于，
所述CSPDarknet53单元，包括：依次连接的输入层、第一卷积模块、第一残差模块、第二残差模块、第三残差模块、第四残差模块和第五残差模块；
所述空间金字塔池化单元，包括最大池化层；
所述路径聚合网络单元，包括：依次连接的第一拼接模块、第一上采样模块、第二拼接模块、第二上采样模块、第三拼接模块和第三上采样模块；以及依次连接的第一下采样模块、第四拼接模块、第二下采样模块、第五拼接模块、第三下采样模块和第六拼接模块；
其中，所述第一拼接模块的输出端与所述第一下采样模块的输入端相连，所述第二拼接模块的输出端与所述第四拼接模块的输入端相连，所述第三拼接模块的输出端与所述第五拼接模块的输入端相连；
输出单元，包括：第一YOLOHead模块、第二YOLOHead模块、第三YOLOHead模块；
所述第二残差模块的输出端通过第二卷积模块与所述第一拼接模块的输入端相连；
所述第三残差模块的输出端通过第三卷积模块与所述第二拼接模块的输入端相连；
所述第四残差模块的输出端通过第四卷积模块与所述第三拼接模块的输入端相连；
所述第五残差模块的输出端通过第五卷积模块与所述空间金字塔池化单元的输入端相连；
所述空间金字塔池化单元的输出端通过特征融合模块分别与所述第三上采样模块以及所述第六拼接模块的输入端相连；所述特征融合模块包括依次连接的1个合并层和3个卷积层；
所述第一拼接模块的输出端与所述第一YOLOHead模块的输入端相连；
所述第五拼接模块的输出端与所述第二YOLOHead模块的输入端相连；
所述第六拼接模块的输出端与所述第三YOLOHead模块的输入端相连；
其中，所述第一残差模块、所述第五残差模块均分别包括4个依次连接的残差单元，所述第二残差模块、所述第三残差模块、所述第四残差模块均分别包括8个依次连接的残差单元；
所述第五卷积模块包括依次连接的3个卷积层；
所述第一拼接模块、所述第二拼接模块、所述第三拼接模块、所述第四拼接模块、所述第五拼接模块、所述第六拼接模块均分别包括依次连接的1个合并层和5个卷积层。


4.根据权利要求2的粘虫板图像上小体积害虫检测方法，其特征在于，在构建完成待训练的害虫检测识别模型之后，还包括：
获取多个粘虫板样本图像，对每个粘虫板样本图像进行等距分割处理，并将每个粘虫板样本图像中不能整分的边界，使用黑色背景填充处理，获取多个粘虫板样本子图像；
利用所述粘虫板样本子图像，构建粘虫板样本集；
确定所述粘虫板样本集中每个粘虫板样本子图像对应的种类位置标签；种类位置标签包括目标害虫的种类信息标签和位置信息标签；
基于图形图像标注工具，将每个粘虫板子样本图像和与其对应的种类位置标签组合为一个数据样本；
由所有数据样本构建数据集；
将所述数据集中的数据样本按照预设比例进行划分，构建训练集，验证集和测试集；...

【专利技术属性】
技术研发人员：李文勇，王杜锦，李明，杨信廷，孙传恒，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京;11