基于目标检测网络的智能鸟类驱逐方法及系统技术方案

本发明专利技术公开了一种基于目标检测网络的智能鸟类驱逐方法及系统。其中，该方法包括：采集指定区域的图像数据；利用预先基于所述目标检测网络构建并训练的目标检测模型，来识别所述图像数据中是否存在待驱逐的鸟类；在所述图像数据中存在所述待驱逐的鸟类的情况下，利用驱鸟装置将所述待驱逐的鸟类驱逐出所述指定区域。本发明专利技术解决了无法准确地识别鸟类的技术问题。题。题。

【技术实现步骤摘要】
基于目标检测网络的智能鸟类驱逐方法及系统


[0001]本专利技术涉及人工智能领域领域，具体而言，涉及一种基于目标检测网络的智能鸟类驱逐方法及系统。

技术介绍

[0002]随着人们动物保护意识的提高，我国野生鸟类数量正逐年增加，同时由于人类活动范围的扩大，适合鸟类生活、栖息与繁衍的自然环境大幅度减少，而植被茂密的机场周边和农田等地区成为鸟类生活与繁衍的理想场所，然而该环境下容易出现鸟撞及鸟害征候，对人民生命和财产安全造成一定的威胁。
[0003]目前针对鸟撞及鸟害防治，稻草人及运动稻草人的驱鸟方式长期使用会降低鸟类对稻草人的敏感度，效果差，不同鸟类对此类装置反应存在差异；而布置大面积铁丝网或机械驱鸟装置不仅成本高，同时会伤害鸟类，甚至会对人类造成影响。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种基于目标检测网络的智能鸟类驱逐方法及系统，以至少解决无法准确地识别鸟类的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种基于目标检测网络的智能鸟类驱逐方法，该方法包括：采集指定区域的图像数据；利用预先基于所述目标检测网络构建并训练的目标检测模型，来识别所述图像数据中是否存在待驱逐的鸟类；在所述图像数据中存在所述待驱逐的鸟类的情况下，利用驱鸟装置将所述待驱逐的鸟类驱逐出所述指定区域。
[0007]根据本专利技术实施例的另一方面，还提供了一种基于目标检测网络的智能鸟类驱逐系统，包括：基于目标检测网络的智能鸟类驱逐装置；驱鸟装置，被配置为通过发出超声波将所述待驱逐的鸟类驱逐出所述指定区域。
[0008]在本专利技术实施例中，基于所述目标检测网络构建并训练的目标检测模型，来识别所述图像数据中是否存在待驱逐的鸟类，从而实现了的技术效果，进而解决了无法准确地识别鸟类的技术问题。
附图说明
[0009]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0010]图1是根据本专利技术实施例的一种基于目标检测网络的智能鸟类驱逐方法的流程图；
[0011]图2是根据本专利技术实施例的另一种基于目标检测网络的智能鸟类驱逐方法的流程图；
[0012]图3是根据本专利技术实施例的又一种基于目标检测网络的智能鸟类驱逐方法的流程
图；
[0013]图4是根据本专利技术实施例的YOLOv5目标检测网络结构示意图；
[0014]图5是根据本专利技术实施例的YOLOv5目标检测网络内部模块示意图；
[0015]图6是根据本专利技术实施例的鸟类目标检测系统的界面示意图；
[0016]图7是根据本专利技术实施例的鸟类目标检测系统的运行视频检测功能效果示意图；
[0017]图8是根据本专利技术实施例的一种基于目标检测网络的智能鸟类驱逐装置的结构示意图；
[0018]图9是根据本专利技术实施例的一种基于目标检测网络的智能鸟类驱逐系统的结构示意图；
[0019]图10是根据本专利技术实施例的另一种基于目标检测网络的智能鸟类驱逐装置的结构示意图。
具体实施方式
[0020]为了使本
的人员更好地理解本专利技术方案，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的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0021]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]实施例1
[0023]根据本专利技术实施例，提供了一种基于目标检测网络的智能鸟类驱逐方法，如图1所示，该方法包括：
[0024]步骤S102，采集指定区域的图像数据；
[0025]步骤S104，利用预先基于所述目标检测网络构建并训练的目标检测模型，来识别所述图像数据中是否存在待驱逐的鸟类。
[0026]在一个示例中，所述目标检测模型通过以下步骤构建并训练：获取鸟类图像，基于所述鸟类图像建立鸟类样本数据集，并对所述鸟类数据集进标注和划分，得到训练数据集和测试数据集。例如，对所述鸟类数据集中的样本图片用标注工具进行标注，生成样本图片的对应标签，其中，所述标签包括类别cls、归一化后鸟类目标中心点横坐标p
nx
，归一化后鸟类目标中心点纵坐标p
ny
，归一化后鸟类目标宽度p
nw
，归一化后鸟类目标高度p
nh
。
[0027]在一个示例中，具体的归一化方法可以如下：若样本图片大小为P
x
×
P
y
，若标注框的中心点横纵坐标分别为p
x
，p
y
，标注框的宽度和高度分别为p
w
，p
h
。那么归一化后的鸟类中心点横纵坐标、宽度及高度为：
[0028][0029]将标注好的所述样本图片及对应标签按照预设的所述训练数据集和所述测试数据集的比例进行划分，得到所述训练数据集和所述测试数据集。
[0030]搭建目标检测网络，将标注和划分后的所述鸟类数据集作为所述目标检测网络的输入进行所述目标检测模型的参数训练，使所述目标检测网络能够在所述图像数据中包含所述待驱逐的鸟类的情况下输出包含用于标识所述待驱逐的鸟类的检测框的所述图像数据，以得到所述目标检测网络。
[0031]例如，初始化所述目标检测网络；对所述训练数据集中的样本图片进行遍历，并对所述样本图片进行处理。例如，创建预设大小的图像区域，在横纵坐标在预设区间的正方形区间内随机选取增强图像的中心点；随机选取多张所述样本图片置于图像区域内，使多张所述样本图片以预设中心点为中心进行拼接，并将超出所述图像区域内的部分进行裁剪。对裁剪之后的所述图像区域整体按预设比例进行缩放；对缩放后的所述图像区域的短边增补灰色背景，使整个缩放后的所述图像区域都被填充。
[0032]在一个示例中，缩放拼接的具体规则如下，若预设大小的图像区域大小为P
x0
，P
y0
，待拼接图像数量为NP，拼接图像的大小为P
x，i
×
P
y，i
，i是待拼接图像的序号，满足{i|i∈Z...

【技术保护点】

【技术特征摘要】
1.一种基于目标检测网络的智能鸟类驱逐方法，其特征在于，包括：采集指定区域的图像数据；利用预先基于所述目标检测网络构建并训练的目标检测模型，来识别所述图像数据中是否存在待驱逐的鸟类；在所述图像数据中存在所述待驱逐的鸟类的情况下，利用驱鸟装置将所述待驱逐的鸟类驱逐出所述指定区域。2.根据权利要求1所述的方法，其特征在于，所述目标检测模型通过以下步骤构建并训练：获取鸟类图像，基于所述鸟类图像建立鸟类样本数据集，并对所述鸟类数据集进标注和划分，得到训练数据集和测试数据集；搭建目标检测网络，将标注和划分后的所述鸟类数据集作为所述目标检测网络的输入进行所述目标检测模型的参数训练，使所述目标检测网络能够在所述图像数据中包含所述待驱逐的鸟类的情况下输出包含用于标识所述待驱逐的鸟类的检测框的所述图像数据，以得到所述目标检测网络。3.根据权利要求2所述的方法，其特征在于，将标注和划分后的所述鸟类数据集作为所述目标检测网络的输入进行所述目标检测模型的参数训练包括：初始化所述目标检测网络；对所述训练数据集中的样本图片进行遍历，并对所述样本图片进行处理；将处理后的所述样本图片输入到所述目标检测网络中，对输入的所述样本图片进行预测，输出特征图；根据输出的所述特征图进行网格检测，在所述样本图片中包含所述待驱逐的鸟类的情况下输出包含用于标识所述待驱逐的鸟类的检测框的预测结果，并根据所述预测结果计算损失，更新所述目标检测模型的权重；利用所述测试数据集计算更新所述权重后的所述目标检测模型的指标，对所述目标检测模型进行评价。4.根据权利要求3所述的方法，其特征在于，对所述样本图片进行处理包括：创建预设大小的图像区域，在横纵坐标在预设区间的正方形区间内随机选取增强图像的中心点；随机选取多张所述样本图片置于图像区域内，使多张所述样本图片以预设中心点为中心进行拼接，并将超出所述图像区域内的部分进行裁剪。5.根据...

【专利技术属性】
技术研发人员：张腾龙，李擎，付国栋，苏中，刘柯，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：