本申请实施例提供一种害虫识别方法及装置、学习数据生成方法及装置。所述害虫识别方法包括：将待处理图像数据划分为与诱虫板对应的诱虫板图像区域和背景图像区域，并将所述背景图像区域内的像素设置为第一值，得到第一图像数据；对所述第一图像数据进行滑动窗口采样，得到多个第二图像数据；以及利用神经网络模型对所述多个第二图像数据进行识别，确定每个第二图像数据中的害虫的位置信息和/或类型信息。由此，能够提高害虫识别的准确率。能够提高害虫识别的准确率。能够提高害虫识别的准确率。
【技术实现步骤摘要】
害虫识别方法及装置、学习数据生成方法及装置
[0001]本申请实施例涉及图像识别
，尤其涉及一种害虫识别方法及装置、学习数据生成方法及装置。
技术介绍
[0002]随着智能农业的发展，对作物害虫进行自动化调查的需求越来越迫切。在农业生产中，通常采用诱虫板对农场、温室大棚或田间的害虫进行吸引和粘附。通过对粘附有害虫的诱虫板的图像进行图像识别，能够获取该区域中的害虫的相关信息。
[0003]另一方面，在智能交通、智慧医疗等领域中，可以利用神经网络模型对待处理图像中的目标进行检测。其中，该神经网络模型是利用学习数据进行训练后得到的模型。
[0004]应该注意，上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述，不能仅仅因为这些方案在本申请的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
技术实现思路
[0005]专利技术人发现：神经网络模型通常对待处理图像的尺寸有相应的限制，例如，神经网络模型只能处理规定尺寸的图像，或者，不同的神经网络能够处理的图像的尺寸不同。通常要将待处理图像缩放至神经网络模型能够处理的尺寸，再利用神经网络模型对缩放后的图像进行识别。
[0006]但是，如果利用神经网络模型对粘附有害虫的诱虫板的图像进行图像识别，由于害虫尺寸较小，在对图像进行缩放处理的情况下，这会导致微小害虫的图像信息的损失，因此，容易引起目标的漏检或误检。
[0007]此外，待处理图像通常包括诱虫板图像区域和非诱虫板图像区域。如果不对该诱虫板图像区域和非诱虫板图像区域进行区分，容易造成目标的误检。
[0008]针对上述技术问题的至少之一，本申请实施例提供一种害虫识别方法及装置、学习数据生成方法及装置。通过将待处理图像数据划分为诱虫板图像区域和背景图像区域、利用滑动窗口对划分后的待处理图像进行采样、利用神经网络对采样得到的图像进行识别，能够避免对目标的漏检和误检，提高了害虫识别的准确率。
[0009]根据本申请实施例的一个方面，提供一种害虫识别方法，其中，所述方法包括：
[0010]将待处理图像数据划分为与诱虫板对应的诱虫板图像区域和背景图像区域，并将所述背景图像区域内的像素设置为第一值，得到第一图像数据；
[0011]对所述第一图像数据进行滑动窗口采样，得到多个第二图像数据；以及
[0012]利用神经网络模型对所述多个第二图像数据进行识别，确定每个第二图像数据中的害虫的位置信息和/或类型信息。
[0013]根据本申请实施例的另一个方面，提供一种害虫识别装置，其中，所述装置包括：
[0014]第一图像处理部，其将待处理图像数据划分为与诱虫板对应的诱虫板图像区域和
背景图像区域，并将所述背景图像区域内的像素设置为第一值，得到第一图像数据；
[0015]第二图像处理部，其对所述第一图像数据进行滑动窗口采样，得到多个第二图像数据；以及
[0016]识别部，其利用神经网络模型对所述多个第二图像数据进行识别，确定每个第二图像数据中的害虫的位置信息和/或类型信息。
[0017]根据本申请实施例的另一个方面，提供一种学习数据生成方法，其中，所述方法包括：
[0018]对获取的诱虫板图像进行预处理得到背景图像；
[0019]对获取的害虫图像进行预处理得到前景图像；以及
[0020]对所述背景图像与所述前景图像进行合成以生成学习数据，
[0021]其中，所述学习数据包括：由所述背景图像与所述前景图像合成得到的合成图像、所述前景图像在所述背景图像中的方位信息、所述前景图像的尺寸信息以及所述前景图像对应的害虫的类型信息。
[0022]根据本申请实施例的另一个方面，提供一种学习数据生成装置，其中，所述装置包括：
[0023]第一处理部，其对获取的诱虫板图像进行预处理得到背景图像；
[0024]第二处理部，其对获取的获取害虫图像，对所述害虫图像进行预处理得到前景图像；以及
[0025]第三处理部，其对所述背景图像与所述前景图像进行合成以生成学习数据，
[0026]其中，所述学习数据包括：由所述背景图像与所述前景图像合成得到的合成图像、所述前景图像在所述背景图像中的方位信息、所述前景图像的尺寸信息以及所述前景图像对应的害虫的类型信息。
[0027]本申请实施例的有益效果之一在于：通过将待处理图像数据划分为诱虫板图像区域和背景图像区域、利用滑动窗口对划分后的待处理图像进行采样、利用神经网络对采样得到的图像进行识别，能够避免对目标的漏检和误检，提高了害虫识别的准确率。
[0028]参照后文的说明和附图，详细公开了本申请实施例的特定实施方式，指明了本申请实施例的原理可以被采用的方式。应该理解，本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本申请的实施方式包括许多改变、修改和等同。
附图说明
[0029]所包括的附图用来提供对本申请实施例的进一步的理解，其构成了说明书的一部分，用于例示本申请的实施方式，并与文字描述一起来阐释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施方式。在附图中：
[0030]图1是本申请实施例的害虫识别方法的一示意图；
[0031]图2是本申请实施例的害虫识别方法的另一示意图；
[0032]图3是本申请实施例的待处理图像的一示意图；
[0033]图4是本申请实施例的第一图像的一示意图；
[0034]图5是本申请实施例的步骤101的一示意图；
[0035]图6是本申请实施例的步骤102的一示意图；
[0036]图7是本申请实施例滑动窗口采样操作的一示意图；
[0037]图8是本申请实施例的识别结果的一示意图；
[0038]图9是本申请实施例的图像合并的一示意图；
[0039]图10是本申请实施例的学习数据生成方法的一示意图；
[0040]图11是本申请实施例的学习数据生成操作的一示意图；
[0041]图12是本申请实施例的的步骤201的一示意图；
[0042]图13是本申请实施例的生成背景图像的一示意图；
[0043]图14是本申请实施例的步骤202的一示意图；
[0044]图15是本申请实施例的生成前景图像的一示意图；
[0045]图16是本申请实施例的步骤203的一示意图；
[0046]图17是本申请实施例的生成合成图像的一示意图；
[0047]图18是本申请实施例的害虫识别装置的一示意图；
[0048]图19是本申请实施例的学习数据生成方法的一示意图；
[0049]图20是本申请实施例的学习数据生成装置的一示意图；
[0050]图21是本申请实施例的神经网络模型的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种害虫识别方法，其特征在于，所述方法包括：将待处理图像数据划分为与诱虫板对应的诱虫板图像区域和背景图像区域，并将所述背景图像区域内的像素设置为第一值，得到第一图像数据；对所述第一图像数据进行滑动窗口采样，得到多个第二图像数据；以及利用神经网络模型对所述多个第二图像数据进行识别，确定每个第二图像数据中的害虫的位置信息和/或类型信息。2.根据权利要求1所述的方法，其中，所述方法还包括：在所述第二图像数据中示出所述位置信息和/或所述类型信息；以及根据所述第二图像数据在所述第一图像数据中的定位信息，对示出所述位置信息和/或所述类型信息的所述多个第二图像数据进行合并。3.根据权利要求1所述的方法，其中，在滑动窗口采样中使用的窗口的尺度是根据所述神经网络模型的参数确定的。4.根据权利要求1所述的方法，其中，所述方法还包括：接收利用电子设备拍摄并发送的所述待处理图像数据。5.根据权利要求1所述的方法，其中，所述神经网络模型是利用学习数据进行训练得到的神经网络模型，其中，所述学习数据通过如下方式生成：对获取的诱虫板图像进行预处理得到背景图像；对获取的害虫图像进行预处理得到前景图像；以及对所述背景图像与所述前景图像进行合成以生成学习数据，其中，所述学习数据包括：由所述背景图像与所述前景图像合成得到的合成图像、所述前景图像在所述背景图像中的方位信息、所述前景图像的尺寸信息以及所述前景图像对应的害虫的类型信息。6.根据权利要求5所述的方法，其中，所述对所述诱虫板图像进行预处理得到背景图像，包括：在所述诱虫板图像中确定诱虫板对应的图像区域；计算所述诱虫板对应的图像区域内的最大内接矩形的位置和大小；以及根据所述最大内接矩形的位置和大小，裁剪出所述背景图像。7.根据权利要求5所述的方法，其中，所述对所述害虫图像进行预处理得到前景图像，包括：在所述害虫图像中确定害虫对应的图像区域；以及将所述害虫图像中的除了所述害虫对应的图像区域之外的区域的像素填充为第二值，得到所述前景图像。8.根据权利要求5所述的方法，其中，所述对所述背景图像与所述前景图像进行合成以生成学习数据，包括：根据角度随机数旋转所述前景图像；和/或，根据尺寸随机数缩放所述前景图像；以及根据位置随机数在所述背景图像的对应位置处合成经过旋转和/或缩放的所述前景图像，得到所述合成图像。9.根据权利要求8所述的方法，其中，所述根据所述位置随机数在所述背景图像的对应位置处合成经过旋转和/或缩放的所
述前景图像，包括：根据所述位置随机数、所述角度随机数和所述尺寸随机数，确定所述合成图像中的所述背景图像与所述前景图像重合的像素集；在所述像素集中的第一像素的位置与所述前景图像中的害虫对应的图像区域的第二像素的位置相同时，将所述第一像素的取值设置为所述第二像素的取值。10.根据权利要求8所述的方法，其中，所述对所述背景图像与所述前景图像进行合成以生成学习数据，还包括：根据所述位置随机数，确定所述方位信息；根据所述尺寸随机数，确定所述尺寸信息；以及根据所述前景图像，确定所述类型信息。11.根据权利要求1至10中的任意一项所述的方法，其中，所...
【专利技术属性】
技术研发人员：程伟，江麟帆，曹旸，
申请(专利权)人：欧姆龙中国有限公司，
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。