【技术实现步骤摘要】
昆虫的识别方法和装置
本专利技术涉及人工智能领域，具体而言，涉及一种昆虫的识别方法和装置。
技术介绍
害虫灾害是全世界农林业的巨大威胁，严重的害虫灾害可能会造成农林业的重大损失甚至破坏当地生态平衡。而有一部分害虫灾害的发生的原因在于未能及早发现虫灾的征兆，当虫灾已经形成规模的时候再去处理已经为时已晚。目前我国多数农林业从业人员不具备专业的昆虫学知识，不具备判断发现物种入侵、害虫灾害的能力，即使遇到了对农林业可能造成危害的昆虫也很难察觉，所以很难对害虫虫灾做出有效预警。在这样的背景下，需要一种准确、高效的昆虫图像识别方案来应对当前虫灾问题。
技术实现思路
本专利技术的主要目的在于提供一种昆虫的识别方法和装置，以解决现有技术中不能对昆虫进行有效识别的问题。为了实现上述目的，根据本专利技术的一个方面，提供了一种昆虫的识别方法，包括：采集待识别昆虫的目标图像；通过目标模型预测目标图像中待识别昆虫所属的种，其中，目标模型是采用携带有昆虫标签的昆虫图像训练得到的，昆虫标签包括昆虫图像中昆虫所属的目、所...
【技术保护点】
1.一种昆虫的识别方法，其特征在于，包括：/n采集待识别昆虫的目标图像；/n通过目标模型预测所述目标图像中所述待识别昆虫所属的种，其中，所述目标模型是采用携带有昆虫标签的昆虫图像训练得到的，所述昆虫标签包括所述昆虫图像中昆虫所属的目、所属的科以及所属的种；/n利用预测出的所述待识别昆虫所属的种推断所述待识别昆虫所属的科和所述待识别昆虫所属的目。/n
【技术特征摘要】
1.一种昆虫的识别方法，其特征在于，包括：
采集待识别昆虫的目标图像；
通过目标模型预测所述目标图像中所述待识别昆虫所属的种，其中，所述目标模型是采用携带有昆虫标签的昆虫图像训练得到的，所述昆虫标签包括所述昆虫图像中昆虫所属的目、所属的科以及所属的种；
利用预测出的所述待识别昆虫所属的种推断所述待识别昆虫所属的科和所述待识别昆虫所属的目。
2.根据权利要求1所述的方法，其特征在于，在通过目标模型预测所述目标图像中所述待识别昆虫所属的种之前，所述方法还包括：
获取昆虫数据集，其中，所述昆虫数据集中保存多张具有昆虫标签的所述昆虫图像；
使用所述昆虫数据集对原始模型进行训练，得到所述目标模型。
3.根据权利要求2所述的方法，其特征在于，所述原始模型包括特征提取器、目分类器、科分类器以及种分类器，其中，使用所述昆虫数据集对原始模型进行训练包括：
利用所述特征提取器从所述昆虫图像中提取图像特征；
将从所述昆虫图像中提取的图像特征分别输入所述目分类器、所述科分类器以及所述种分类器；
获取所述目分类器预测的所述昆虫图像中昆虫所属的目、所述科分类器预测的所述昆虫图像中昆虫所属的科以及所述种分类器预测的所述昆虫图像中昆虫所属的种；
通过比较所述目分类器预测的昆虫所属的目与所述昆虫图像的昆虫标签中记录的昆虫所属的目、所述科分类器预测的昆虫所属的科与所述昆虫图像的昆虫标签中记录的昆虫所属的科、所述种分类器预测的昆虫所属的种与所述昆虫图像的昆虫标签中记录的昆虫所属的种，来优化所述原始模型中的参数。
4.根据权利要求3所述的方法，其特征在于，通过比较所述目分类器预测的昆虫所属的目与所述昆虫图像的昆虫标签中记录的昆虫所属的目、所述科分类器预测的昆虫所属的科与所述昆虫图像的昆虫标签中记录的昆虫所属的科、所述种分类器预测的昆虫所属的种与所述昆虫图像的昆虫标签中记录的昆虫所属的种，来优化所述原始模型中的参数包括：
通过比较所述目分类器预测的昆虫所属的目与所述昆虫图像的昆虫标签中记录的昆虫所属的目确定目预测损失，通过比较所述科分类器预测的昆虫所属的科与所述昆虫图像的昆虫标签中记录的昆虫所属的科确定科预测损失，通过比较所述种分类器预测的昆虫所属的种与所述昆虫图像的昆虫标签中记录的昆虫所属的种确定种预测损失；
对所述目预测损失、所述科预测损失以及所述种预测损失进行加权求和，得到最终损失；
使用所述最终损失计算梯度，并在所述原始模型中进行参数值的...
【专利技术属性】
技术研发人员：汪建伟，邓科研，杨庆寅，李珏闻，郭冰洁，张真，刘星月，王立宇，贾莉，
申请(专利权)人：北京虫警科技有限公司，汪建伟，
类型：发明
国别省市：北京;11
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。