【技术实现步骤摘要】
基于RetinaNet算法的生态生物识别方法
[0001]本专利技术涉及生物识别
，尤其涉及基于RetinaNet算法的生态生物识别方法。
技术介绍
[0002]水生物是判断河水是否受到污染的有效参照物。河水中不同化学物质的分布和浓度，将决定河中水生物的类型构成。一些水生物在某种河流条件下可以繁殖很快，在另一环境下则可能死亡，这是由河水中的不同成分决定的。因此，只要分析河流中水生物的类型构成，就可对某一河段中存在什么样的化学物质做出判断。
[0003]水生生物群落与水环境有着错综复杂的相互关系，对水质变化起着重要作用。不同种类的水生生物对水体污染的适应能力不同，有的种类只适于在清洁水中生活，被称为清水生物(或寡污生物)。而有些水生生物则可以生活在污水中，被称为污水生物。水生生物的存亡标志着水质变化程度，因此生物成为水体污化的指标，通过水生生物的调查，可以评价水体被污染的状况。
[0004]目前通过生物识别技术对水生物进行识别，然而，现有的生物识别技术识别速度慢，而且准确率不高。
技术实现思路
【技术保护点】
【技术特征摘要】
1.基于RetinaNet算法的生态生物识别方法，其特征在于，包括如下步骤：S1收集生态生物特征，将收集的生态特征进行收集分类，并建立分布式生态特征数据库；S2发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；S3对采集的生物图像数据进行图像去噪处理，并将分析后的生物图像数据进行存储；S4通过RetinaNet算法对采集的生物图像数据进行目标检测；S41输入图像经过Backbone的特征提取后，可以得到P3～P7特征图金字塔，其中下标为l表示特征金字塔的层数，得到的特征金字塔的每层C＝260通道；S42在得到特征金字塔后，对每层特征金字塔分别使用两个子网络；S43特征金字塔每层都相应的产生目标类别与位置的预测，最后再将其融合起来，同时使用NMS来得到最后的检测结果；S5将得到的所需识别的生物图像数据特征与分布式生态特征数据库中的特征数据进行对比识别。2.根据权利要求1所述的基于RetinaNet算法的生态生物识别方法，其特征在于，所述步骤S42两个子网络由RPN网络修改得到。3.根据权利要求2所述的基于RetinaNet算法的生态生物识别方法，其特征在于，其中一个子网络与RPN网络类似，也使用anchors来产生proposals，特征金字塔的每...
【专利技术属性】
技术研发人员：杨志峰，沈永明，张远，蔡宴朋，
申请(专利权)人：澜途集思生态科技集团有限公司，
类型：发明
国别省市：
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。