基于transformer的蚊虫种类检测方法及系统技术方案

本发明专利技术涉及一种基于transformer的蚊虫种类检测方法及系统，包括：获取待识别蚊虫图片；将待识别蚊虫图片输入至基于transformer的蚊虫种类检测网络，输出种类信息特征向量；根据种类信息特征向量确定待识别蚊虫图片中蚊虫的种类信息。本发明专利技术可以快速准确地进行蚊虫种类识别，辅助生物学家进行分类工作。辅助生物学家进行分类工作。辅助生物学家进行分类工作。

【技术实现步骤摘要】
基于transformer的蚊虫种类检测方法及系统


[0001]本专利技术是关于一种基于transformer的蚊虫种类检测方法、系统、设备及介质，涉及医学昆虫分类领域。

技术介绍

[0002]蚊虫隶属昆虫纲双翅目蚊科，是最重要的医学昆虫类群之一。不同蚊虫种类的孳生地、栖性等生物学习性不同，所传播的疾病也有所不同。如按蚊是疟疾的主要传播媒介，库蚊是西尼罗病毒病、流行性乙型脑炎、淋巴丝虫病等疾病的主要传播媒介，伊蚊是登革热、寨卡病毒病、基孔肯雅热等疾病的主要传播媒介。由于目前大多数蚊媒病没有疫苗或特效药，监测控制媒介蚊虫依然是预防和控制蚊媒病流行的根本措施。蚊虫种类识别是进行有效防控的必要前提和基础，只有准确鉴别出蚊虫的种类，了解其孳生特点和行为习性，才能制定出正确的防控策略，采取针对性措施对其进行快速防控。
[0003]蚊虫的种类识别目前主要依托的是形态特征分类。蚊虫形态分类学历经上百年的发展，已形成了完整的技术体系。然而，形态学分类主要通过其外部特征进行鉴定，耗时费力，易受到遗传可变性和表型可塑性等因素的影响。分类学家往往需要几年的专业训练才能进行准确分类鉴定。即便是经验丰富的分类学家，在针对外部形态差异细微的蚊虫复合组时，也难以通过外部形态进行鉴定，以尖音库蚊复合组为例，需要解剖雄性外生殖器明确其阳茎侧板中叶形态特征才能对复合组内的亚种进行准确识别。加之雄蚊野外采集困难、标本制作耗时较长，致使传统的形态学分类方法已远远不能满足目前的蚊虫种类识别需求。
[0004]深度学习技术作为机器学习研究方向上的一个新的领域，目的在于用计算机建立出能够进行对人脑学习与分析问题的模拟与实现的神经网络，可以使计算机能够自主学习模型的特征信息，实现计算机对图像、文字、音频等的分析与学习，使之满足计算机对人脑认识问题的模拟的需要。在某些情况下，深度学习的识别精度会远远高于人类识别精度，因此，深度学习技术被大量广泛的应用到人工智能领域中。尽管深度学习技术对蚊虫种类进行识别与以往的分类手段相比，具有识别简便、快速准确、可全自动化识别等优势，但也存在识别效果的预测准确率低的问题，识别效率仍有待提高。

技术实现思路

[0005]针对上述问题，本专利技术的目的是提供一种基于transformer的蚊虫种类检测方法、系统、设备及介质，能够提高蚊虫种类识别的准确率。
[0006]为实现上述目的，本专利技术采取以下技术方案：
[0007]第一方面，本专利技术提供的一种基于transformer的蚊虫种类识别检测方法，包括：
[0008]获取待识别蚊虫图片；
[0009]将待识别蚊虫图片输入至训练完成的基于transformer的蚊虫种类检测网络，输出种类信息特征向量；
[0010]根据种类信息特征向量确定待识别蚊虫图片中蚊虫的种类信息。
[0011]进一步地，基于transformer的蚊虫种类检测网络的训练过程为：
[0012]构建蚊虫图像数据集；
[0013]建构基于transformer的蚊虫种类检测网络；
[0014]将蚊虫图像数据集传入基于transformer的蚊虫种类检测网络，设置初始学习率、最终学习率，更新卷积神经网络权重进行训练，得到训练完成的基于transformer的蚊虫种类检测网络。
[0015]进一步地，构建蚊虫图像数据集，包括：
[0016]拍摄蚊虫图片，蚊虫为14类，包括中华按蚊、埃及伊蚊、白蚊伊蚊、凶小库蚊、同属于尖音库蚊复合组的致倦库蚊、骚扰库蚊和淡色库蚊、刺扰伊蚊、朝鲜伊蚊、棘刺伊蚊、缘纹伊蚊、黄色轲蚊、白雪库蚊和三带喙库蚊，蚊虫养殖环境条件为室温26
±
1℃、相对湿度75
±
5％、光照时间L:D＝14:10，以8％蔗糖水饲养成蚊；
[0017]将拍摄的蚊虫图片处理为具有相同大小规格的待识别蚊虫图片；
[0018]对蚊虫图片分别进行标注，得到其确定的位置信息与种类信息，并对蚊虫图片进行数据增强。
[0019]进一步地，构建的基于transformer的蚊虫种类检测网络，包括前后连接的前置图像分割层、第一transformer层、第一区域合并层、第二transformer层、第二区域合并层、第三transformer层、第三区域合并层和第四transformer层，其中，前置图像分割层通过线性与序列化处理将待识别蚊虫图片数据处理为可供transformer层使用的序列化数据X∈R
N,D
，其中，N表示由N个数据构成，D表示其中每个数据的特征维度，第一至第三区域合并层中均包含一个降采样层与线性层。
[0020]进一步地，第一至第四transformer层中包含个数依次为2、2、18、2的transformer结构，其中transformer结构为具有多头自注意力机制与前向传播的编码器解码器结构，transformer结构的多头自注意力机制为将前置图像分割层输出的序列化数据进行处理输出种类信息特征向量。
[0021]进一步地，6、根据权利要求5的基于transformer的蚊虫种类识别检测方法，其特征在于，多头自注意力机制输出的种类信息特征向量表示为：
[0022]M
head
＝Concat(head1,head
i
,...,head
m
)
·
W
o
[0023]其中，M
head
代表多头自注意力机制的输出，Concat表示串联操作，W
o
代表多头自注意力机制的权重关系，head
i
＝Attention(Q
i
,K
i
,V
i
)，其中，Q
i
为权重矩阵生产预测结果的Queries，K
i
为权重矩阵生产预测结果的Keys，V
i
权重矩阵生产预测结果的Values。
[0024]进一步地，根据种类信息特征向量确定待识别蚊虫图片中蚊虫的种类信息，包括：
[0025]根据特征向量对应输出的概率最高的一项种类信息作为待识别蚊虫图片的概率值，若概率值高于预设蚊虫种类置信度阈值，则将待识别蚊虫图片记为已知蚊虫种类，并记录其种类信息；如果此概率值低于预设蚊虫种类置信度阈值，则将记为未知蚊虫种类，记录其输出概率最大可能对应的属类信息。
[0026]第二方面，本专利技术还提供一种基于transformer的蚊虫种类识别检测系统，包括：
[0027]图片获取模块，被配置为获取待识别蚊虫图片；
[0028]特征识别模块，被配置为将待识别蚊虫图片输入至训练完成的基于transformer
的蚊虫种类检测网络，输出种类信息特征向量；
[0029]蚊虫检测模块，被配置为根据种类信息特征向量确定待识别蚊虫图片中蚊虫的种类信息。
[0030]第三方面，本专利技术还提供一种电子设备，处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于transformer的蚊虫种类识别检测方法，其特征在于，包括：获取待识别蚊虫图片；将待识别蚊虫图片输入至训练完成的基于transformer的蚊虫种类检测网络，输出种类信息特征向量；根据种类信息特征向量确定待识别蚊虫图片中蚊虫的种类信息。2.根据权利要求1的基于transformer的蚊虫种类识别检测方法，其特征在于，基于transformer的蚊虫种类检测网络的训练过程为：构建蚊虫图像数据集；建构基于transformer的蚊虫种类检测网络；将蚊虫图像数据集传入基于transformer的蚊虫种类检测网络，设置初始学习率、最终学习率，更新卷积神经网络权重进行训练，得到训练完成的基于transformer的蚊虫种类检测网络。3.根据权利要求1的基于transformer的蚊虫种类识别检测方法，其特征在于，构建蚊虫图像数据集，包括：拍摄蚊虫图片，蚊虫为14类，包括中华按蚊、埃及伊蚊、白蚊伊蚊、凶小库蚊、同属于尖音库蚊复合组的致倦库蚊、骚扰库蚊和淡色库蚊、刺扰伊蚊、朝鲜伊蚊、棘刺伊蚊、缘纹伊蚊、黄色轲蚊、白雪库蚊和三带喙库蚊，蚊虫养殖环境条件为室温26
±
1℃、相对湿度75
±
5％、光照时间L:D＝14:10，以8％蔗糖水饲养成蚊；将拍摄的蚊虫图片处理为具有相同大小规格的待识别蚊虫图片；对蚊虫图片分别进行标注，得到其确定的位置信息与种类信息，并对蚊虫图片进行数据增强。4.根据权利要求1的基于transformer的蚊虫种类识别检测方法，其特征在于，构建的基于transformer的蚊虫种类检测网络，包括前后连接的前置图像分割层、第一transformer层、第一区域合并层、第二transformer层、第二区域合并层、第三transformer层、第三区域合并层和第四transformer层，其中，前置图像分割层通过线性与序列化处理将待识别蚊虫图片数据处理为可供transformer层使用的序列化数据X∈R
N,D
，其中，N表示由N个数据构成，D表示其中每个数据的特征维度，第一至第三区域合并层中均包含一个降采样层与线性层。5.根据权利要求4的基于transformer的蚊虫种类识别检测方法，其特征在于，第一至第四transformer层中包含个数依次为2、2、18、2的transformer结构，其中transformer结构为具有多头自注意力机制与前向传播的编码器解码器结构，tran...

【专利技术属性】
技术研发人员：李春晓，陈国华，赵腾，赵德众，王新凯，邢丹，吴明宇，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：