基于Fitness-NMS算法的生态生物识别方法技术

本发明专利技术公开了基于Fitness

【技术实现步骤摘要】
基于Fitness
‑
NMS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Fitness
‑
NMS算法的生态生物识别方法。

技术介绍

[0002]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，有许多水生生物对水中毒物很敏感，也可以通过水生生物毒性实验结果来判断水质污染程度。水生生物的调查常用到生物识别技术，现有的生物识别检测的劳动强度大，检测效率和精度不高。

技术实现思路

[0003]基于
技术介绍
存在的技术问题，本专利技术提出了基于Fitness
‑
NMS算法的生态生物识别方法。
[0004]本专利技术提出的基于Fitness
‑
NMS算法的生态生物识别方法，包括如下步骤：
[0005]S1获取样本集，其中，样本集中的样本包括样本图像和样本图像对应的样本特征；
[0006]S2从样本集中选取样本图像，将选取的样本图像输入初始模型，得到样本图像对应的输出样本特征；
[0007]S3对得到的输出样本特征和选取样本中的样本特征进行分析，确定损失值；
[0008]S4根据损失值确定初始模型是否训练完成；
[0009]S5确定初始模型训练完成，将初始模型确定为生物检测模型；
[0010]S6发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像；
[0011]S7选取采集的生物图像，并通过Fitness
‑
NMS算法进行图像分割处理得到图像；
[0012]S8对分割处理得到图像进行特征提取，得到生物图像的特征数据；
[0013]S9将得到的生物图像特征数据与生态特征数据库中的特征数据进行对比识别。
[0014]优选的，所述步骤S4确定初始模型未训练完成，根据损失值调整初始模型的参数，以及从样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。
[0015]优选的，所述步骤S6采集的生物图像进行拆分提纯，剔除无用数据信息。
[0016]优选的，所述采集生物图像通过对图像进行降维处理，降维处理有效去除冗余信息，提取有用特征。
[0017]优选的，所述步骤S6采用图像归一法和图像增强法对采集的生物图像数据进行处理。
[0018]优选的，所述生物图像采用混合滤波方法对原始图片做降噪处理，降噪处理：通过利用色调映射方法并采用16比特浮点数据表征各帧原始图像中的每一个像素点，从而准确
显示所融合后的高动态范围图像。
[0019]优选的，所述步骤S9生物图像特征数据对比识别成功后，发送识别成功的提示信息，并展示。
[0020]优选的，所述步骤S9将生物图像特征存储至生态特征数据库中。
[0021]本专利技术中，所述基于Fitness
‑
NMS算法的生态生物识别方法，操作简单，运算速度快，运算精度高，通过Fitness
‑
NMS算法的设置，进一步提高了生物识别率。
附图说明
[0022]图1为本专利技术提出的基于Fitness
‑
NMS算法的生态生物识别方法的流程图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0024]参照图1，基于Fitness
‑
NMS算法的生态生物识别方法，包括如下步骤：
[0025]S1获取样本集，其中，样本集中的样本包括样本图像和样本图像对应的样本特征；
[0026]S2从样本集中选取样本图像，将选取的样本图像输入初始模型，得到样本图像对应的输出样本特征；
[0027]S3对得到的输出样本特征和选取样本中的样本特征进行分析，确定损失值；
[0028]S4根据损失值确定初始模型是否训练完成；
[0029]S5确定初始模型训练完成，将初始模型确定为生物检测模型；
[0030]S6发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像；
[0031]S7选取采集的生物图像，并通过Fitness
‑
NMS算法进行图像分割处理得到图像；
[0032]S8对分割处理得到图像进行特征提取，得到生物图像的特征数据；
[0033]S9将得到的生物图像特征数据与生态特征数据库中的特征数据进行对比识别。
[0034]本专利技术中，步骤S4确定初始模型未训练完成，根据损失值调整初始模型的参数，以及从样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。
[0035]本专利技术中，步骤S6采集的生物图像进行拆分提纯，剔除无用数据信息。
[0036]本专利技术中，采集生物图像通过对图像进行降维处理，降维处理有效去除冗余信息，提取有用特征。
[0037]本专利技术中，步骤S6采用图像归一法和图像增强法对采集的生物图像数据进行处理。
[0038]本专利技术中，生物图像采用混合滤波方法对原始图片做降噪处理，降噪处理：通过利用色调映射方法并采用16比特浮点数据表征各帧原始图像中的每一个像素点，从而准确显示所融合后的高动态范围图像。
[0039]本专利技术中，步骤S9生物图像特征数据对比识别成功后，发送识别成功的提示信息，并展示。
[0040]本专利技术中，步骤S9将生物图像特征存储至生态特征数据库中。
[0041]本专利技术：获取样本集，其中，样本集中的样本包括样本图像和样本图像对应的样本特征；从样本集中选取样本图像，将选取的样本图像输入初始模型，得到样本图像对应的输
出样本特征；对得到的输出样本特征和选取样本中的样本特征进行分析，确定损失值；根据损失值确定初始模型是否训练完成；确定初始模型训练完成，将初始模型确定为生物检测模型；发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像；选取采集的生物图像，并通过Fitness
‑
NMS算法进行图像分割处理得到图像；对分割处理得到图像进行特征提取，得到生物图像的特征数据；将得到的生物图像特征数据与生态特征数据库中的特征数据进行对比识别。
[0042]以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Fitness
‑
NMS算法的生态生物识别方法，其特征在于，包括如下步骤：S1获取样本集，其中，样本集中的样本包括样本图像和样本图像对应的样本特征；S2从样本集中选取样本图像，将选取的样本图像输入初始模型，得到样本图像对应的输出样本特征；S3对得到的输出样本特征和选取样本中的样本特征进行分析，确定损失值；S4根据损失值确定初始模型是否训练完成；S5确定初始模型训练完成，将初始模型确定为生物检测模型；S6发起生态生物识别请求，根据请求在生态环境中通过采集器采集生物图像；S7选取采集的生物图像，并通过Fitness
‑
NMS算法进行图像分割处理得到图像；S8对分割处理得到图像进行特征提取，得到生物图像的特征数据；S9将得到的生物图像特征数据与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Fitness
‑
NMS算法的生态生物识别方法，其特征在于，所述步骤S4确定初始模型未训练完成，根据损失值调整初始模型的参数，以及从样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。3.根据权利要求1所述的基于Fitness
‑
NMS算法的生态生物识别方...

【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：