害虫检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及害虫检测计算机系统技术领域，提供一种害虫检测方法、装置、电子设备及存储介质，首先获取待检测图像；然后将待检测图像输入至害虫检测模型，得到害虫检测模型输出的检测结果。该害虫检测模型包括级联的盲去运动模糊模型和目标检测模型，盲去运动模糊模型用于对待检测图像进行盲去运动模糊，生成待检测图像对应的去模糊图像；目标检测模型中的主干网络用于提取去模糊图像的图像特征；指定颈部网络包括顺次连接的多个加权双向特征金字塔网络，用于基于图像特征，对去模糊图像的不同层次的语义特征进行提取并融合，得到不同层次的融合结果；头部网络用于基于融合结果，输出检测结果。该方法可使检测结果更准确，且占用的计算资源较少。的计算资源较少。的计算资源较少。

【技术实现步骤摘要】
害虫检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及害虫检测计算机系统
，尤其涉及一种害虫检测方法、装置、电子设备及存储介质。

技术介绍

[0002]田间害虫以其较高的发生频率、广泛的发生面积和严重的危害性成为当前影响和制约粮食安全的主要自然因素。并且，传统的化学防治方法对作物和生态环境的破坏大。若能对田间害虫进行及时准确的检测，将有效避免虫灾爆发，保障农业生产，避免农户损失，因此亟需一种及时准确检测害虫的方法。
[0003]然而，农业害虫种类繁多，体积较小，现有的图像采集设备也无法捕捉到高清的图像，这将导致害虫检测结果不准确，无法准确高效地实现害虫检测，进而无法及时的进行害虫防治，这将导致农作物产量降低不利于农业生产。而且，现有的害虫检测方法所采用的害虫检测模型，通常需要占用较多的计算资源，对硬件设备要求较高，增加害虫防治的成本，也不利于害虫防治的自动化实施。
[0004]为此，现亟需提供一种新的害虫检测方法。

技术实现思路

[0005]本专利技术提供一种害虫检测方法、装置、电子设备及存储介本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种害虫检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入至害虫检测模型，得到所述害虫检测模型输出的检测结果；其中，所述害虫检测模型包括级联的盲去运动模糊模型和目标检测模型，所述盲去运动模糊模型基于害虫图像样本训练得到，所述目标检测模型基于所述害虫图像样本及其携带的害虫标签训练得到；所述盲去运动模糊模型用于对所述待检测图像进行盲去运动模糊，生成所述待检测图像对应的去模糊图像；所述目标检测模型包括依次连接的PicoDet的主干网络、指定颈部网络和PicoDet的头部网络；所述主干网络用于提取所述去模糊图像的图像特征；所述指定颈部网络包括顺次连接的多个加权双向特征金字塔网络，用于基于所述图像特征，对所述去模糊图像的不同层次的语义特征进行提取并融合，得到不同层次的融合结果；所述头部网络用于基于所述融合结果，输出所述检测结果。2.根据权利要求1所述的害虫检测方法，其特征在于，所述盲去运动模糊模型基于如下步骤训练得到：基于所述害虫图像样本，对初始生成对抗网络模型进行训练，得到目标生成对抗网络模型，并将所述目标生成对抗网络模型中的目标生成器作为所述盲去运动模糊模型。3.根据权利要求1所述的害虫检测方法，其特征在于，所述主干网络为ESNet，所述图像特征包括所述ESNet输出的C3特征图、C4特征图和C5特征图；所述头部网络包括四个；所述指定颈部网络还用于对所述C3特征图进行下采样，并将得到的采样结果输入至第一个加权双向特征金字塔网络；所述指定颈部网络的最后一个加权双向特征金字塔网络分别用于将所述采样结果对应的融合结果作为P6特征图输入至第一个头部网络，将所述C3特征图对应的融合结果作为P5特征图输入至第二个头部网络，将所述C4特征图对应的融合结果作为P4特征图输入至第三个头部网络，将所述C5特征图对应的融合结果作为P3特征图输入至第四个头部网络。4.根据权利要求1
‑
3中任一项所述的害虫检测方法，其特征在于，所述害虫图像样本包括训练样本和测试样本；所述目标检测模型基于如下步骤训练得到：将所述训练样本缩放至尺寸为640
×
640后输入至初始检测模型，得到所述初始检测模型输出的初始检测结果；基于所述初始检测结果与所述训练样本携带的害虫标签，计算损失函数值，并基于所述损失函数值，采用随机梯度下降算法，对所述初始检测模型的结构参数进...

【专利技术属性】
技术研发人员：李俊，高银，晏超，郭世荣，
申请(专利权)人：闽都创新实验室，
类型：发明
国别省市：