【技术实现步骤摘要】
本专利技术涉及机器视觉，尤其涉及一种花粉颗粒识别方法、装置、电子设备及存储介质。
技术介绍
1、针对严重影响居民健康生活的花粉过敏问题，研究如何准确分类和识别空气中含有的主要致敏花粉，并进行有效的花粉监测和预报，促使花粉症患者采取积极的应对措施，对提高城市宜居性和市民生活质量具有重要的现实意义。
2、针对花粉识别，传统的人工分类识别方法不仅需要具备相应专业知识的人员，而且处理过程费时费力，效率低下，准确性也很难保证。
技术实现思路
1、本专利技术提供一种花粉颗粒识别方法、装置、电子设备及存储介质，用以解决现有技术中传统的人工分类方法不仅需要具备相应专业知识的人员，而且处理过程费时费力，效率低下，准确性也很难保证的缺陷。
2、本专利技术提供一种花粉颗粒识别方法，包括：
3、获取待识别花粉颗粒图像；
4、将所述待识别花粉颗粒图像输入至花粉类型识别联合模型，得到所述花粉类型识别联合模型输出的所述待识别花粉颗粒图像对应的花粉类型；
5、所述花粉类型识别联合模型用于对所述待识别花粉颗粒图像进行图像超分辨率重建，并对重建得到的图像进行识别，确定所述待识别花粉颗粒图像对应的花粉类型；所述花粉类型识别联合模型是基于花粉颗粒图像样本及对应的花粉类型标签训练得到的。
6、根据本专利技术提供的一种花粉颗粒识别方法，所述花粉类型识别联合模型包括基于transformer的超分辨率模型和swin transformer模型；所述将所述待
7、将所述待识别花粉颗粒图像输入至所述基于transformer的超分辨率模型，得到所述基于transformer的超分辨率模型输出的所述待识别花粉颗粒图像对应的超分辨率图像；
8、将所述超分辨率图像输入至所述swin transformer模型，得到所述swintransformer模型输出的所述待识别花粉颗粒图像对应的花粉类型。
9、根据本专利技术提供的一种花粉颗粒识别方法，所述花粉类型识别联合模型还包括高频信息提取模块；在所述将所述待识别花粉颗粒图像输入至所述基于transformer的超分辨率模型，得到所述基于transformer的超分辨率模型输出的所述待识别花粉颗粒图像对应的超分辨率图像之后，所述方法还包括：
10、将所述超分辨率图像输入至所述高频信息提取模块进行图像高频信息提取，得到所述高频信息提取模块输出的所述超分辨率图像对应的高频特征图像；
11、将所述超分辨率图像对应的高频特征图像输入至所述swin transformer模型，得到所述swin transformer模型输出的所述待识别花粉颗粒图像对应的花粉类型。
12、根据本专利技术提供的一种花粉颗粒识别方法，所述高频信息提取模块包括依次连接的平均池化层、上采样层、第一叠加层、卷积层和第二叠加层；所述将所述超分辨率图像输入至所述高频信息提取模块进行图像高频信息提取，得到所述高频信息提取模块输出的所述超分辨率图像对应的高频特征图像，包括：
13、将所述超分辨率图像输入至所述平均池化层，得到所述平均池化层输出的第一特征图像；
14、将所述第一特征图输入至所述上采样层，得到所述上采样层输出的第二特征图像；
15、将所述超分辨率图像和所述第二特征图像输入至所述第一叠加层进行像素作差，得到所述第一叠加层输出的第三特征图像；
16、将所述第三特征图像输入至所述卷积层，得到所述卷积层输出的第四特征图像；
17、将所述第四特征图像和所述超分辨率图像输入至所述第二叠加层进行像素求和，得到所述第二叠加层输出的所述超分辨率图像对应的高频特征图像。
18、根据本专利技术提供的一种花粉颗粒识别方法，在所述将所述待识别花粉颗粒图像输入至花粉类型识别联合模型之前，所述方法还包括：
19、将所述花粉颗粒图像样本及其对应的花粉类型标签作为一组训练样本，获取多组训练样本；
20、利用所述多组训练样本，对花粉类型识别联合模型进行训练。
21、根据本专利技术提供的一种花粉颗粒识别方法，所述利用所述多组训练样本，对花粉类型识别联合模型进行训练，包括：
22、对于任意一组训练样本，将所述训练样本输入至花粉类型识别联合模型，输出所述训练样本对应的预测概率；
23、利用预设损失函数，根据所述训练样本对应的预测概率和所述训练样本中的花粉类型标签计算损失值；
24、基于所述损失值，对所述花粉类型识别联合模型的模型参数进行调整，直至模型训练次数达到预设次数；
25、将模型训练次数达到所述预设次数时所得到的模型参数作为训练好的花粉类型识别联合模型的模型参数。
26、本专利技术还提供一种花粉颗粒识别装置，包括：
27、获取模块，用于获取待识别花粉颗粒图像；
28、识别模块，用于将所述待识别花粉颗粒图像输入至花粉类型识别联合模型，得到所述花粉类型识别联合模型输出的所述待识别花粉颗粒图像对应的花粉类型；
29、所述花粉类型识别联合模型用于对所述待识别花粉颗粒图像进行图像超分辨率重建，并对重建得到的图像进行识别，确定所述待识别花粉颗粒图像对应的花粉类型；所述花粉类型识别联合模型是基于花粉颗粒图像样本及对应的花粉类型标签训练得到的。
30、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述花粉颗粒识别方法。
31、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述花粉颗粒识别方法。
32、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述花粉颗粒识别方法。
33、本专利技术提供的花粉颗粒识别方法、装置、电子设备及存储介质，通过考虑挖掘花粉颗粒图像更深层次的特征信息来提升识别精度，利用花粉颗粒图像样本数据及对应的花粉类型标签训练得到花粉类型识别联合模型，通过花粉类型识别联合模型对获取的待识别花粉颗粒图像进行图像超分辨率重建，并对重建得到的高分辨率图像进行特征提取和分类识别，可以有效识别出待识别花粉颗粒图像对应的花粉类型，无需人工介入，提升花粉颗粒识别效率的同时，也大幅提升了花粉类型的识别精度。
本文档来自技高网...【技术保护点】
1.一种花粉颗粒识别方法，其特征在于，包括：
2.根据权利要求1所述的花粉颗粒识别方法，其特征在于，所述花粉类型识别联合模型包括基于Transformer的超分辨率模型和Swin Transformer模型；所述将所述待识别花粉颗粒图像输入至花粉类型识别联合模型，得到所述花粉类型识别联合模型输出的所述待识别花粉颗粒图像对应的花粉类型，包括：
3.根据权利要求2所述的花粉颗粒识别方法，其特征在于，所述花粉类型识别联合模型还包括高频信息提取模块；在所述将所述待识别花粉颗粒图像输入至所述基于Transformer的超分辨率模型，得到所述基于Transformer的超分辨率模型输出的所述待识别花粉颗粒图像对应的超分辨率图像之后，所述方法还包括：
4.根据权利要求3所述的花粉颗粒识别方法，其特征在于，所述高频信息提取模块包括依次连接的平均池化层、上采样层、第一叠加层、卷积层和第二叠加层；所述将所述超分辨率图像输入至所述高频信息提取模块进行图像高频信息提取，得到所述高频信息提取模块输出的所述超分辨率图像对应的高频特征图像，包括：
5.根据权利要
6.根据权利要求5所述的花粉颗粒识别方法，其特征在于，所述利用所述多组训练样本，对花粉类型识别联合模型进行训练，包括：
7.一种花粉颗粒识别装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述花粉颗粒识别方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述花粉颗粒识别方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述花粉颗粒识别方法。
...【技术特征摘要】
1.一种花粉颗粒识别方法，其特征在于，包括：
2.根据权利要求1所述的花粉颗粒识别方法，其特征在于，所述花粉类型识别联合模型包括基于transformer的超分辨率模型和swin transformer模型；所述将所述待识别花粉颗粒图像输入至花粉类型识别联合模型，得到所述花粉类型识别联合模型输出的所述待识别花粉颗粒图像对应的花粉类型，包括：
3.根据权利要求2所述的花粉颗粒识别方法，其特征在于，所述花粉类型识别联合模型还包括高频信息提取模块；在所述将所述待识别花粉颗粒图像输入至所述基于transformer的超分辨率模型，得到所述基于transformer的超分辨率模型输出的所述待识别花粉颗粒图像对应的超分辨率图像之后，所述方法还包括：
4.根据权利要求3所述的花粉颗粒识别方法，其特征在于，所述高频信息提取模块包括依次连接的平均池化层、上采样层、第一叠加层、卷积层和第二叠加层；所述将所述超分辨率图像输入至所述高频信息提取模块进行图像高频信息提取，得到所述...
【专利技术属性】
技术研发人员：祖宝开，曹通，句福娇，李亚芳，王宏远，
申请(专利权)人：北京工业大学，
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。