基于TSD-FasterRCNN的农作物害虫检测方法及其网络技术

本发明专利技术公开了一种基于TSD

【技术实现步骤摘要】
基于TSD
‑
Faster RCNN的农作物害虫检测方法及其网络


[0001]本专利技术涉及农作物害虫检测
，特别是涉及一种基于TSD
‑
Faster RCNN的农作物害虫检测方法及其网络。

技术介绍

[0002]众所周知，农业生产受到了农作物害虫侵蚀的极大制约，给全球农业经济带来了极大损失。因此，对于害虫的智能检测与信息化防治变得格外重要。而由于害虫数量繁多、外观相似难以辨别，害虫识别主要依靠于农业专家的丰富经验和专业知识，耗时耗力，难以满足全国范围内的大面积害虫检测、识别、预警和绿色生产的需要。随着智慧农业和精细农业的发展，做好农作物害虫的信息化防治必不可少。
[0003]传统上，识别害虫的种群信息，主要依靠于农技人员的经验鉴别，一方面，由于底层工作的繁重与辛苦，从事此行业的技术人员越来越少；另一方面，过度依赖人工经验，存在主观上的局限性和工作上的低效性，难以满足大范围内害虫高效智能检测的需要。
[0004]而随着深度学习的发展，逐渐被广泛应用于许多视觉任务，尤其是目标检测相关的视觉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于TSD
‑
Faster RCNN的农作物害虫检测方法，其特征在于，包括以下步骤：S1：将农作物害虫检测图像输入到主干网络以生成图像的特征图；S2：将生成的特征图经骨干网络再处理后输出至区域提案网络RPN和区域卷积神经网络R
‑
CNN中，所述骨干网络采用主干网络与特征金字塔网络FPN相结合；S3：在区域提案网络RPN中，使用结构感知距离TSD计算预测锚框和真实锚框的相似度，使用分段结构感知损失函数TSD Loss计算回归损失，RPN返回粗糙的候选框至R
‑
CNN中；S4：使用R
‑
CNN将所有候选框修改为相同大小，候选框被传递到全连接层以对对象进行分类并预测边界框。2.根据权利要求1所述的基于TSD
‑
Faster RCNN的农作物害虫检测方法，其特征在于，所述结构感知距离TSD衡量锚框之间的相似度：其中，D
Chess
(b，b
gt
)＝max(|x1‑
x2|，|y1‑
y2|)代指两个锚框中心点(x1，y1)和(x2，y2)的切比雪夫距离，S代指数据集所有标注框的平均面积。3.根据权利要求1所述的基于TSD
‑
Faster RCNN的农作物害虫检测方法，其特征在于，所述分段结构感知损失函数TSD Loss为：其中，D
Chess
(b，b
gt
)＝max(|x1‑
x2|，|y1‑
y2|)代指两个锚框中心点之间的切比雪夫距离，S指代数据集所有标注框的平均面积，r1和r2分别指代两个锚框外接圆的半径，此外，根据余弦定理：Separated代表两个锚框相离，intersect代表两个锚框相交，contain代表两个锚框相互包含。4.根据权利要求1所述的基于TSD
‑
Faster RCNN的农作物害虫检测方法，其特征在于，所述骨干网络包括自底向上连接、自顶向下连接和水平连接三部分，自顶向下连接采用最近邻上采样，水平连接将上采样结果与自下而上过程生成的特征图融合。5.一种基于TSD
‑
Faster RCNN的农作物害虫检测网络，其特征在于，包括：主干网络，用于提取农作物害虫检测图像的特征，生成输入图像的特...

【专利技术属性】
技术研发人员：董俊，黄小文，姜铭坤，马凡，吴双，马冬，
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：