一种害虫种类图像识别方法及系统技术方案

本发明专利技术提供一种害虫种类图像识别方法及系统，包括：获取目标害虫图像；将目标害虫图像输入至预先训练好的害虫识别模型，以获取由害虫识别模型输出的害虫种类识别结果；害虫识别模型，是利用第一数据集对初始害虫识别模型进行训练后获取的；初始害虫识别模型，是基于空间注意力模块和通道注意力网络构建的。本发明专利技术提供的害虫种类图像识别方法及系统，针对具有复杂背景特点的害虫图像，通过引入空间注意力模块和通道注意力网络，对害虫图像更加精确的定位和跨通道的交互机制，并使害虫识别模型更加关注有效的通道，进而降低了图像背景对于害虫分类准确性的影响，提高了分类的精度，实现了对害虫种类的精准的识别，为农业植物保护领域做出了贡献。域做出了贡献。域做出了贡献。

【技术实现步骤摘要】
一种害虫种类图像识别方法及系统


[0001]本专利技术涉及农业
，尤其涉及一种害虫种类图像识别方法及系统。

技术介绍

[0002]在农作物生长过程中，会因各种害虫的侵袭而使产量和质量都受到严重的影响，因此害虫的监测防治工作显得尤为重要，而精准及时的害虫种类识别是害虫监测防治的前提和重要基础。当前，基于图像视觉的自动识别法是一种进行害虫种类识别的主流方法。
[0003]在常用的害虫种类识别技术中，一种是基于手工提取特征的方法，利用尺度不变特征变换(Scale
‑
invariant feature transform，SIFT)、方向梯度直方图(Histogram of Oriented Gradient，HOG)等特征描述方法提取图像底层特征并结合支持向量机(Support Vector Machine，SVM)、K最邻近方法(K
‑
Nearest Neighbor algorithm，KNN)等分类器进行害虫识别。另外一种是基于深度特征的识别方法，利用基于卷积神经网络的图像识别方法进行害虫分类任务。
[0004]但是通常采集的害虫图像往往存在采集方向、害虫位置及害虫大小变化等问题，严重影响了目前方法的识别精度。

技术实现思路

[0005]针对现有技术存在对害虫识别精度低的问题，本专利技术实施例提供一种害虫种类图像识别方法及系统。
[0006]本专利技术提供一种害虫种类图像识别方法，包括：
[0007]获取目标害虫图像；
[0008]将所述目标害虫图像输入至预先训练好的害虫识别模型，以获取由所述害虫识别模型输出的害虫种类识别结果；
[0009]所述害虫识别模型，是利用第一数据集对初始害虫识别模型进行训练后获取的；
[0010]所述初始害虫识别模型，是基于空间注意力模块和通道注意力网络构建的。
[0011]根据本专利技术提供的一种害虫种类图像识别方法，所述空间注意力模块具体为空间变换网络，所述通道注意力网络具体为拆分注意力网络；
[0012]所述空间变换网络与所述拆分注意力网络串行连接；
[0013]所述空间变换网络，包括至少一个定位网络、至少一个生成器和至少一个采样器；
[0014]所述定位网络通过所述生成器与所述采样器连接；
[0015]所述定位网络，包括多个卷积层和至少一个全连接层。
[0016]根据本专利技术提供的一种害虫种类图像识别方法，在将所述害虫图像输入至害虫识别模型之前，还包括：
[0017]获取多张害虫图像样本，并建立与每张所述害虫图像样本相对应的害虫种类标签；
[0018]将每张害虫图像样本与每张所述害虫图像样本相对应的害虫种类标签组合作为
一个训练样本，获取多个训练样本；
[0019]基于多个训练样本，构建所述第一数据集。
[0020]根据本专利技术提供的一种害虫种类图像识别方法，在构建所述第一数据集之后，还包括：
[0021]将初始学习率和优化器随机组合，获取多个参数组；
[0022]根据所述第一数据集中的害虫种类数量，确定所述全连接层中神经元的数量；
[0023]利用每个所述参数组分别配置害虫识别模型，获取多个配置后的害虫识别模型；将所述配置后的害虫识别模型作为所述初始害虫识别模型；
[0024]对所述第一数据集进行数据增强，并利用增强后的第一数据集对所述配置后的害虫识别模型进行预训练，以获取所述预先训练好的害虫识别模型。
[0025]根据本专利技术提供的一种害虫种类图像识别方法，利用增强后的第一数据集对所述配置后的害虫识别模型进行预训练，以获取所述预先训练好的害虫识别模型，包括：
[0026]将所述第一数据集划分为多个数据子集；
[0027]对所有的数据子集进行数据增强处理，获取增强后的数据子集；
[0028]利用增强后的数据子集对所述每个所述配置后的害虫识别模型分别进行训练，获取每个所述配置后的害虫识别模型输出的分类结果；所述分类结果与所述参数组一一对应；
[0029]根据所有分类结果的准确率，从所有参数组中筛选出目标参数组；
[0030]利用所述目标参数组对所述配置后的害虫识别模型进行调参处理，获取第一调整模型；
[0031]根据所述第一调整模型，获取所述预先训练好的害虫识别模型。
[0032]根据本专利技术提供的一种害虫种类图像识别方法，第一准确率与所述目标参数组相对应；
[0033]所述根据所述第一调整模型，获取所述预先训练好的害虫识别模型，包括：
[0034]获取多个常规神经网络模型，并获取多个预设数据集；所述多个预设数据集包括不同采集场景下的所述第一数据集、第二数据集和第三数据集；所述第一数据集的规模小于所述第二数据集，且所述第一数据集的规模大于所述第三数据集；
[0035]根据任一预设数据集中所有害虫的种类数，对所述多个常规神经网络模型中神经元的数量进行设置，获取多个常规设置模型；
[0036]对所述任一预设数据集进行数据增强，利用增强后的所述任一预设数据集作为输入，分别输入至每个所述常规设置模型，以获取每个所述常规设置模型输出的分类结果，构建分类结果集合；
[0037]计算所述分类结果集合中每个分类结果的准确率，以确定数值最大的目标准确率；
[0038]根据所述任一预设数据集中所有害虫的种类数，对所述第一调整模型中神经元的数量进行设置，获取设置后的第一调整模型；
[0039]利用所述增强后的所述任一预设数据集作为输入，分别输入至所述设置后的第一调整模型，以获取所述调整后的第一调整模型输出的第一分类结果；
[0040]计算所述第一分类结果的准确率为第一准确率；
[0041]在所有的预设数据集上，在所述目标准确率均小于所述第一准确率的情况下，确定所述第一调整模型为所述预先训练好的害虫识别模型。
[0042]本专利技术还提供一种害虫种类图像识别系统，包括：
[0043]获取单元，获取目标害虫图像；
[0044]识别单元，将所述目标害虫图像输入至预先训练好的害虫识别模型，以获取由所述害虫识别模型输出的害虫种类识别结果；
[0045]所述害虫识别模型，是利用第一数据集对初始害虫识别模型进行训练后获取的；
[0046]所述初始害虫识别模型，是基于空间注意力模块和通道注意力网络构建的。
[0047]根据本专利技术提供的一种害虫种类图像识别系统，还包括构建单元，所述构建单元具体用于：
[0048]获取多张害虫图像样本，并建立与每张所述害虫图像样本相对应的害虫种类标签；
[0049]将每张害虫图像样本与每张所述害虫图像样本相对应的害虫种类标签组合作为一个训练样本，获取多个训练样本；
[0050]基于多个训练样本，构建所述第一数据集。
[0051]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种害虫种类图像识别方法，其特征在于，包括：获取目标害虫图像；将所述目标害虫图像输入至预先训练好的害虫识别模型，以获取由所述害虫识别模型输出的害虫种类识别结果；所述害虫识别模型，是利用第一数据集对初始害虫识别模型进行训练后获取的；所述初始害虫识别模型，是基于空间注意力模块和通道注意力网络构建的。2.根据权利要求1所述的害虫种类图像识别方法，其特征在于，所述空间注意力模块具体为空间变换网络，所述通道注意力网络具体为拆分注意力网络；所述空间变换网络与所述拆分注意力网络串行连接；所述空间变换网络，包括至少一个定位网络、至少一个生成器和至少一个采样器；所述定位网络通过所述生成器与所述采样器连接；所述定位网络，包括多个卷积层和至少一个全连接层。3.根据权利要求1所述的害虫种类图像识别方法，其特征在于，在将所述害虫图像输入至害虫识别模型之前，还包括：获取多张害虫图像样本，并建立与每张所述害虫图像样本相对应的害虫种类标签；将每张害虫图像样本与每张所述害虫图像样本相对应的害虫种类标签组合作为一个训练样本，获取多个训练样本；基于多个训练样本，构建所述第一数据集。4.根据权利要求2所述的害虫种类图像识别方法，其特征在于，在构建所述第一数据集之后，还包括：将初始学习率和优化器随机组合，获取多个参数组；根据所述第一数据集中的害虫种类数量，确定所述全连接层中神经元的数量；利用每个所述参数组分别配置害虫识别模型，获取多个配置后的害虫识别模型；将所述配置后的害虫识别模型作为所述初始害虫识别模型；对所述第一数据集进行数据增强，并利用增强后的第一数据集对所述配置后的害虫识别模型进行预训练，以获取所述预先训练好的害虫识别模型。5.根据权利要求4所述的害虫种类图像识别方法，其特征在于，利用增强后的第一数据集对所述配置后的害虫识别模型进行预训练，以获取所述预先训练好的害虫识别模型，包括：将所述第一数据集划分为多个数据子集；对所有的数据子集进行数据增强处理，获取增强后的数据子集；利用增强后的数据子集对所述每个所述配置后的害虫识别模型分别进行训练，获取每个所述配置后的害虫识别模型输出的分类结果；所述分类结果与所述参数组一一对应；根据所有分类结果的准确率，从所有参数组中筛选出目标参数组；利用所述目标参数组对所述配置后的害虫识别模型进行调参处理，获取第一调整模型；根据所述第一调整模型，获取所述预先训练好的害虫识别模型。6.根据权利要求5所述的害虫种类图...

【专利技术属性】
技术研发人员：李文勇，罗勇琛，李明，孙传恒，杨信廷，
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：