当前位置: 首页 > 专利查询>长江大学专利>正文

一种基于全卷积神经网络的稻飞虱检测计数方法技术

技术编号:41874814 阅读:20 留言:0更新日期:2024-07-02 00:26
本发明专利技术涉及一种基于全卷积神经网络的稻飞虱检测计数方法,属于稻飞虱防治检测领域。该基于全卷积神经网络的稻飞虱检测计数方法,包含数据获取、数据集制作、数据读取、模型训练、模型推理、结果验证、可视化的稻飞虱检测与计数方法。其核心在于,在训练模型时使用本技术中提出的对象计数损失函数,能够让FCN拥有对稻飞虱定位与计数的能力。解决了现有计数方式仅对通用目标检测框架进行改进,在面临密集小目标害虫时计数不准确的问题,特别适合体型极小昆虫计数,尤其适合稻飞虱的检测计数。

【技术实现步骤摘要】

本专利技术涉及一种基于全卷积神经网络的稻飞虱检测计数方法,属于稻飞虱防治检测领域。


技术介绍

1、稻飞虱是水稻上危害最严重的迁飞性害虫之一,容易产生突发、爆发危害。稻飞虱体型极小,体长在1.5mm-3.2mm之间,发生时栖息在水稻茎基部,分布密集。进行稻飞虱检测与计数的目的在于对田间稻飞虱虫害发生情况进行调查,估算田间稻飞虱种群密度,制定相应的防治措施。

2、传统的稻飞虱检测计数方法是依靠有经验的农技人员肉眼观察,需要根据采样点稻飞虱的数量,对其为害等级做出相应的判断。该种方式存有成本高、不及时的问题。

3、现有的稻飞虱检测计数方法,如申请公布号为cn115861185a的专利技术专利申请公开了一种田间复杂背景的稻飞虱计数模型,其虽然实现了自动化检测,但是其计数方法存有以下几个方面的问题:

4、第一:现有的稻飞虱检测计数方法采用的是yolov5算法,该算法对明显、较大的目标检测效果较好;但对微小、密集的目标检测效果较差,当其应用于稻飞虱检测时存在定位与计数不准确的问题。

5、第二:目前也有相关研究使用深度学习本文档来自技高网...

【技术保护点】

1.一种基于全卷积神经网络的稻飞虱检测计数方法,其特征在于:所述的稻飞虱检测计数方法,包括如下步骤:

2.根据权利要求1所述的一种基于全卷积神经网络的稻飞虱检测计数方法,其特征在于:所述的步骤(5)中的对象计数损失的情况如下:

3.根据权利要求1所述的一种基于全卷积神经网络的稻飞虱检测计数方法,其特征在于:所述的步骤(6)中将热力图与输入进行融合的可视化方法如下:

4.根据权利要求1所述的一种基于全卷积神经网络的稻飞虱检测计数方法,其特征在于:所述的步骤(6)中结合网络预测结果json文件与掩模结果输出,能够将分块结果还原回原图结果,从而最后在图片上打...

【技术特征摘要】

1.一种基于全卷积神经网络的稻飞虱检测计数方法,其特征在于:所述的稻飞虱检测计数方法,包括如下步骤:

2.根据权利要求1所述的一种基于全卷积神经网络的稻飞虱检测计数方法,其特征在于:所述的步骤(5)中的对象计数损失的情况如下:

3.根据权利要求1所述的一种基于全卷积神经网络的稻飞虱检测计数方法...

【专利技术属性】
技术研发人员:张智亮詹炜郭宇衡
申请(专利权)人:长江大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1