【技术实现步骤摘要】
本专利技术涉及人虫害目标检测，尤其是一种结合主动学习和多尺度视图学习的虫害半监督目标检测方法。
技术介绍
1、确保粮食生产稳定对全球粮食安全极其重要。作物产量受多种因素影响，其中虫害尤为显著。例如，像玉米螟虫这样具有破坏性的害虫，通常在玉米生长期内啃食叶肉，使叶片遭遇损坏，会严重影响玉米作物的生长导致玉米产量大幅下降，并且脆弱的玉米茎叶杆极易倒伏。因此，能够及时对虫害检测并监测是害虫防治的重要前提，尽早彻底地防治能够有效减轻虫害带来的损失，也是保证粮食生产稳定的关键。
2、现在主流的虫害目标检测方法主要有下面三种：人工检查、基于机器视觉的处理方法和基于深度学习的目标检测方法。这些方法有以下局限性：第一种方法的检查效果完全取决于人的主观性，并且人工成本很高，效率较低。第二种方法虫害小目标区域容易受复杂背景、光线等因素的影响，检测效果并不佳，且依赖人工设计特征提取；第三种方法已有研究表明农业场景下的特定任务能取得不错的效果，但构建出性能优异的模型，需要大量精确标注的数据，而虫害区域尺寸所占图片的比例很小，并且由于自然田间中环境变...
【技术保护点】
1.一种结合主动学习和多尺度视图学习的虫害半监督目标检测方法，其特征在于：该方法包括下列顺序的步骤：
2.根据权利要求1所述的结合主动学习和多尺度视图学习的虫害半监督目标检测方法，其特征在于：在步骤(2)中，所述标准监督数据增强包括随机裁剪缩放、随机翻转和归一化；所述弱增强包括水平翻转、垂直翻转、裁剪、调整大小、旋转和马赛克；所述强增强包括混合和随机擦除。
3.根据权利要求1所述的结合主动学习和多尺度视图学习的虫害半监督目标检测方法，其特征在于：所述步骤(3)具体包括下列步骤：
4.根据权利要求1所述的结合主动学习和多尺度视图学习的...
【技术特征摘要】
1.一种结合主动学习和多尺度视图学习的虫害半监督目标检测方法，其特征在于：该方法包括下列顺序的步骤：
2.根据权利要求1所述的结合主动学习和多尺度视图学习的虫害半监督目标检测方法，其特征在于：在步骤(2)中，所述标准监督数据增强包括随机裁剪缩放、随机翻转和归一化；所述弱增强包括水平翻转、垂直翻转、裁剪、调整大小、旋转和马赛克；所述强增强包括混合和随机擦除。
3.根据权利要求1所述的结合主动学习和多尺度视图学习的虫害半监督目标检测方法，其特征在于：所述步骤(3)具体包括下列步骤：
4.根据权利要求1所述的结合主动学习和多尺度视图学习的虫害半监督目标检测方法，其特征在于：所述步骤(4)中对强增强后的未标注数据进行下采样，得到下采样后的数据，将下采样后的数据与强增强后的未标注数据组成两个尺度的视图数据，将两个尺度的视图数据输入学生模型，学生模型输出两个视图特征图即下采...
【专利技术属性】
技术研发人员：黄河，李显威，孙友强，张俊卿，张玮，屈方，
申请(专利权)人：中国科学院合肥物质科学研究院，
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。