一种基于密集区域再细化技术的农业微小害虫图像检测方法技术

本发明专利技术涉及一种基于密集区域再细化技术的农业微小害虫图像检测方法，与现有技术相比解决了密集区域检测范围较大导致微小害虫检测精度差的缺陷。本发明专利技术包括以下步骤：训练图像的获取；害虫密集区域检测网络的构建；害虫密集区域检测网络的训练；害虫密集区域检测网络的再训练；害虫目标识别定位网络的构建与训练；待检测害虫图像的获取；害虫图像检测结果的获得。本发明专利技术通过害虫密集区域检测网络直接从整体图片特征图中提取密集区域信息，大量减少运算负担；同时通过害虫密集区域检测网络的再训练，有效利用相对较少的害虫图片中的密集区域信息，提高密集区域检测网络密度得分预测准确度。

【技术实现步骤摘要】
一种基于密集区域再细化技术的农业微小害虫图像检测方法
本专利技术涉及农业图像识别
，具体来说是一种基于密集区域再细化技术的农业微小害虫图像检测方法。
技术介绍
传统的农业害虫测报方法大多数是基于人工田间调查进行识别与估算数量，识别准确率受到调查人员专业知识影响，数量估计受到调查人员主观判断影响，因此测报结果存在较大差异。近年来基于机器视觉与图像处理技术的害虫识别与检测算法被大量应用到农业害虫的识别与检测工作中，极大的减少了田间调查的人力成本，提高了识别计数的准确率。在实际应用中发现，虽然现有目标检测算法针对体积较大、辨识度较高的害虫检测表现很好，但是针对一些害虫体积微小，聚集密度较大的害虫，例如小麦蚜虫等，则会出现大量检测遗漏与检测精度差等问题。这是由于田间蚜虫目标体积极小且分布在较小的密集区域中，而针对整个图像的全局目标检测算法的检测分辨能力较低，难以分辨微小的目标。如果直接提高全局目标检测算法的检测分辨能力则会极大的增加算法的计算负担，占用大量计算资源，无法达到实际应用要求。那么如何能够更精确寻找微小目标分布密集的区域，有针对本文档来自技高网...

【技术保护点】
1.一种基于密集区域再细化技术的农业微小害虫图像检测方法，其特征在于，包括以下步骤：/n11)训练图像的获取：获取带有人工标记的农业微小害虫图像，形成害虫图像数据集；/n12)害虫密集区域检测网络的构建：构建害虫密集区域检测网络，其中害虫密集区域检测网络包括整体特征提取网络与密集区域建议网络；整体特征提取网络用于提取整张图像中害虫的特征图，该网络输入为农业微小害虫图像，输出为基于该害虫图像提取的整体特征图；密集区域建议网络根据整体深度特征图预测害虫密集区域以及密集程度，该网络输入为整体特征图，输出为密集区域以及每个区域对应的密度得分；/n13)害虫密集区域检测网络的训练：利用害虫图像数据集对害...

【技术特征摘要】
1.一种基于密集区域再细化技术的农业微小害虫图像检测方法，其特征在于，包括以下步骤：
11)训练图像的获取：获取带有人工标记的农业微小害虫图像，形成害虫图像数据集；
12)害虫密集区域检测网络的构建：构建害虫密集区域检测网络，其中害虫密集区域检测网络包括整体特征提取网络与密集区域建议网络；整体特征提取网络用于提取整张图像中害虫的特征图，该网络输入为农业微小害虫图像，输出为基于该害虫图像提取的整体特征图；密集区域建议网络根据整体深度特征图预测害虫密集区域以及密集程度，该网络输入为整体特征图，输出为密集区域以及每个区域对应的密度得分；
13)害虫密集区域检测网络的训练：利用害虫图像数据集对害虫密集区域检测网络进行训练；
14)害虫密集区域检测网络的再训练：利用合成密集区域生成方法生成额外的包含密集目标的图片，利用此图片对害虫密集区域检测网络进行再训练，得到细化的密集区域检测网络；将害虫图像输入再训练的害虫密集区域检测网络，得到细化后的密集区域；
15)害虫目标识别定位网络的构建与训练；
16)待检测害虫图像的获取：获取待检测的农业微小害虫图像；
17)害虫图像检测结果的获得：将待检测的农业微小害虫图像输入再训练后的害虫密集区域检测网络，得到细化后的局部区域微小害虫目标区域，再将细化后的局部区域微小害虫目标区域输入训练后的害虫目标识别定位网络，定位出图像中的微小害虫目标位置。


2.根据权利要求1所述的一种基于密集区域再细化技术的农业微小害虫图像检测方法，其特征在于，所述害虫密集区域检测网络的构建包括以下步骤：
21)设定整体特征提取网络：整体特征提取网络包括骨干网络和特征融合网络；骨干网络由叠加的多层卷积神经网络层、池化层与激活函数层构成，用于提取图片中的基础特征，输出多层特征图；特征融合网络通过侧向连接骨干网络输出的多层特征图，将各层特征图进行融合，输出兼顾不同层次语义特征的整体特征图；其中，骨干网络为ResNet50网络，特征融合网络为FPN特征金字塔网络；
22)设定密集区域建议网络：设定密集区域建议网络的输入为整体特征提取网络输出的整体特征图，输出为整体特征图上以每个锚点为中心的选取区域的密度得分；
密集区域建议网络首先使用一个拥有512个通道的卷积核大小为3×3的卷积层，之后使用线性整流函数ReLu作为卷积层激活函数，再使用一个卷积核大小为1×1的卷积层，由区域形状数量S与区域放大比例数量R的乘积决定该卷积层的通道数S×R。


3.根据权利要求1所述的一种基于密集区域再细化技术的农业微小害虫图像检测方法，其特征在于，所述害虫密集区域检测网络的训练包括以下步骤：
31)将带有人工标注的害虫图像数据集输入整体特征提取网络，通过骨干网络提取图像基础特征图，之后基础特征图通过特征融合网络，输出多层语义互相融合之后的整体特征图；
32)将整体特征图输入密集区域建议网络，
设定一个在特征图上滑动的锚点A，滑动单次步长设定为k，以该锚点为中心，共有S种形状的区域选择框，每种选择框拥有R种放大比例，当锚点滑动至第i个...

【专利技术属性】
技术研发人员：杜健铭，王儒敬，陈天娇，谢成军，张洁，李瑞，陈红波，胡海瀛，刘海云，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽;34