【技术实现步骤摘要】
本专利技术涉及害虫检测，尤其涉及一种基于害虫检测的类别信息动态调整训练方法。
技术介绍
1、农业是生产和发展的首要条件，尽管农业相关的科学技术已经发展得十分迅速，但目前依然存在无法克服的问题，其中最为关键的是农作物的虫害问题。为了解决大面积使用农药所造成的不利影响，研究人员开始用人工智能的相关技术来解决虫害问题，其中，较为常见的是使用目标检测技术来实现定点识别害虫，然后进行捕杀。
2、虽然这些新技术改善了农药使用不当的影响，但同样也带来新的挑战。首先是害虫数据的样本采集较为困难，需要耗费较多的资源，这也导致模型训练所用的数据集质量不高，模型使用这样的数据集进行训练容易产生较多的困难样本，不利于模型精度的提高和应用部署。
技术实现思路
1、本专利技术的目的在于针对现有技术的不足提供一种基于害虫检测的类别信息动态调整训练方法。
2、为实现上述目的，本专利技术的技术方案如下：
3、一种基于害虫检测的类别信息动态调整训练方法，包括以下步骤：
4、步骤...
【技术保护点】
1.一种基于害虫检测的类别信息动态调整训练方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于害虫检测的类别信息动态调整训练方法，其特征在于：所述步骤一的预训练是基于害虫检测的模型训练进行优化，模型首先会进行图像分割的预训练，通过预训练学习数据集中图像的分割信息，同时，模型需要通过完整的训练才能更加准确地分割数据中的类别信息。
3.根据权利要求1所述的一种基于害虫检测的类别信息动态调整训练方法，其特征在于：所述步骤二的图像分割是将模型在预训练中的最优权重用于图像的分割，即将数据集中的类别信息与背景信息分割出来，并将上述信息进行数量
【技术特征摘要】
1.一种基于害虫检测的类别信息动态调整训练方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于害虫检测的类别信息动态调整训练方法，其特征在于：所述步骤一的预训练是基于害虫检测的模型训练进行优化，模型首先会进行图像分割的预训练，通过预训练学习数据集中图像的分割信息，同时，模型需要通过完整的训练才能更加准确地分割数据中的类别信息。
3.根据权利要求1所述的一种基于害虫检测的类别信息动态调整训练方法，其特征在于：所述步骤二的图像分割是将模型在预训练中的最优权重用于图像的分割，即将数据集中的类别信息与背景信息分割出来，并将上述信息进行数量和类型上的统计。
4.根据权利要求1所述的一种基于害虫检测的类别信息动态调整训练方法，其特征在于：所述步骤三的iisl库的建立是基于分割出来的图像数据，这些图像信息和类别建立起一个一对多的映射关系，这种映射关系的建立更有利于dfm反馈模块在模型的训练中实现类别信息的迁移，其映射关系如下式所示：
5.根据权利要求1所述的一种基于害虫检测的类别信息动态调整训练方法，其特征在于：所述步骤四的dfm反馈模块是承担接收与分析训练信息的作用，该训练信息的是来自于损失函数在一...
【专利技术属性】
技术研发人员：李富超，王荣福，余亮，许润南，王晓佳，
申请(专利权)人：广东科技学院，
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。