【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种基于增量学习的虫情监测方法、装置、设备及可读介质。
技术介绍
1、虫害的预防与治理在中医药、粮食储存、烟草行业、食品加工、森林虫害预防、农作物种植等行业应用非常广泛。采取有效的虫害预防手段，可指导田间进行科学的化学防治，降低农药使用量，从而减少生产成本并大大提高产品质量。
2、现有方案中，常采用深度学习模型进行对虫害种类进行识别，以更好地对某区域的虫情进行实时监测。然而，深度学习模型在对新种类进行识别时往往效果不佳，一方面是模型的识别能力不够，另一方面是即使有了经标注的新的训练数据，模型在进行新任务学习时也可能会遗忘旧的知识。
3、因此，如何提供一种能够对未知虫子种类进行自动识别的技术方案，是本领域技术人员亟待解决的技术问题。
技术实现思路
1、本申请的一个目的是提供一种基于增量学习的虫情监测方法、装置、设备及可读介质，至少用以解决深度学习模型学习效率低等问题，本申请的目的在于：提供了一种新的基于增量学习的虫情监测方法。该方法采用了增量学习的方式进行在线学习，实现对新种类虫子的自动发现，同时保证对旧种类虫子的识别准确性。
2、为实现上述目的，本申请的一些实施例提供了以下几个方面：
3、第一方面，本申请的一些实施例还提供了一种基于增量学习的虫情监测方法，所述方法包括：
4、采集虫子图像并对所述虫子图像进行特征提取，得到特征图像；
5、将所述特征图像输入至分类模型中，对所述特征图像进
6、若确定所述虫子种类为新种类，则对所述虫子图像进行种类标注得到目标图像，并对所述目标图像进行增量学习，以更新所述分类模型。
7、第二方面，本申请的一些实施例还提供了一种基于增量学习的虫情监测装置，所述装置包括：
8、特征提取模块，用于采集虫子图像并对所述虫子图像进行特征提取，得到特征图像；
9、种类识别模块，用于将所述特征图像输入至分类模型中，对所述特征图像进行分类识别，确定与所述特征图像对应的虫子种类；
10、增量学习模块，用于若确定所述虫子种类为新种类，则对所述虫子图像进行种类标注得到目标图像，并对所述目标图像进行增量学习，以更新所述分类模型。
11、第三方面，本申请的一些实施例还提供了一种计算机设备，所述设备包括：
12、一个或多个处理器；以及
13、存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如上所述的基于增量学习的虫情监测方法。
14、第四方面，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如上所述的基于增量学习的虫情监测方法。
15、相较于现有技术，本申请实施例提供的方案中，通过采集虫子图像并对虫子图像进行特征提取，得到特征图像；将特征图像输入至分类模型中，对特征图像进行分类识别，确定与特征图像对应的虫子种类；若确定虫子种类为新种类，则对虫子图像进行种类标注得到目标图像，并对目标图像进行增量学习，以更新分类模型。本技术方案，能够持续在线学习虫子种类，实现新种类的自动发现，同时保留对旧种类的准确识别。
本文档来自技高网...【技术保护点】
1.一种基于增量学习的虫情监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，将所述特征图像输入至分类模型中，对所述特征图像进行分类识别，确定与所述特征图像对应的虫子种类，包括：
3.根据权利要求2所述的方法，其特征在于，分别对所述有标签虫子图像集和所述无标签虫子图像集进行特征提取，得到有标签特征图像集和无标签特征图像集，包括：
4.根据权利要求2所述的方法，其特征在于，对所述有标签特征图像集和所述无标签特征图像集进行半监督聚类，得到聚类结果，包括：
5.根据权利要求1所述的方法，其特征在于，对所述目标图像进行增量学习，以更新所述分类模型，包括：
6.根据权利要求5所述的方法，其特征在于，对所述目标图像进行弹性权重共享处理，以更新所述分类模型，包括：
7.根据权利要求5所述的方法，其特征在于，对所述目标图像进行重播缓冲处理，以更新所述分类模型，包括：
8.一种基于增量学习的虫情监测装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，所述设备包括
10.一种计算机可读介质，其特征在于，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如权利要求1-7中任意一项所述的基于增量学习的虫情监测方法。
...【技术特征摘要】
1.一种基于增量学习的虫情监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，将所述特征图像输入至分类模型中，对所述特征图像进行分类识别，确定与所述特征图像对应的虫子种类，包括：
3.根据权利要求2所述的方法，其特征在于，分别对所述有标签虫子图像集和所述无标签虫子图像集进行特征提取，得到有标签特征图像集和无标签特征图像集，包括：
4.根据权利要求2所述的方法，其特征在于，对所述有标签特征图像集和所述无标签特征图像集进行半监督聚类，得到聚类结果，包括：
5.根据权利要求1所述的方法，其特征在于，对所述目标图...
【专利技术属性】
技术研发人员：陆翔，田朝杰，张哲，姜祏，
申请(专利权)人：左岸芯慧上海数据技术股份有限公司，
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。