[发明专利]一种东亚飞蝗龄期识别方法及装置

权利要求书

1.一种东亚飞蝗龄期识别方法，其特征在于，包括：

S1，基于预先构建的蝗虫种类识别模型对待识别蝗虫图像进行识别；

S2，若根据识别结果获知所述待识别蝗虫图像的种类为东亚飞蝗，则基于预先构建的东亚飞蝗龄期识别模型对所述待识别蝗虫图像进行识别，获取所述待识别蝗虫图像对应的龄期。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1之前还包括：

S0，基于卷积神经网络对预先获取的训练样本图像进行深度学习，构建蝗虫种类识别模型和东亚飞蝗龄期识别模型；所述训练样本图像包括东亚飞蝗样本图像和其他种类的蝗虫样本图像。

3.根据权利要求2所述的方法，其特征在于，所述步骤S0之前还包括：

S011，基于连通区域标记算法对预先获取的各原始蝗虫图像中的蝗虫区域进行标记；

S012，若所述蝗虫区域满足预设条件，则根据标记的所述蝗虫区域的位置和所述蝗虫区域对应的蝗虫类型，基于直线裁剪算法对各所述原始蝗虫图像进行裁剪，获取各训练样本图像；或者，

S013，若所述蝗虫区域不满足预设条件，则对所述蝗虫区域进行调整以使所述蝗虫区域满足预设条件，对调整后的所述蝗虫区域执行所述步骤S012；

所述预设条件为所述蝗虫区域的长与所述蝗虫区域的宽之间的比值为预设常数。

4.根据权利要求2所述的方法，其特征在于，所述步骤S1之前还包括：

S021，基于卷积神经网络对预先获取的所有训练样本图像进行深度学习，构建蝗虫目标检测模型；

S022，基于所述蝗虫目标检测模型对目标蝗虫图像进行检测，获取所述目标蝗虫图像中所述蝗虫区域的位置；

S023，根据所述目标蝗虫图像中蝗虫区域的位置，基于直线裁剪算法对所述目标蝗虫图像进行裁剪，获取待识别蝗虫图像。

5.根据权利要求3或4所述的方法，其特征在于，所述步骤S012之后或所述步骤S021之前还包括：

对待识别蝗虫图像或各所述训练样本图像进行预处理，所述预处理包括归一化、z-score标准化和白化中的一种或多种。

6.根据权利要求3所述的方法，其特征在于，所述步骤S012之后还包括：

分别根据标记的种类和标记的所述种类为东亚飞蝗的龄期对各所述训练样本图像进行划分；

相应地，所述步骤S0具体包括：

将各种类的所述训练样本图像输入卷积神经网络，构建蝗虫种类识别模型；

将所述种类为东亚飞蝗的各龄期的所述训练样本图像输入卷积神经网络，构建东亚飞蝗龄期识别模型。

7.根据权述利要求2所述的方法，其特征在于，所述步骤S2之后还包括：

对所述训练样本图像进行更新；

根据更新后的所述训练样本图像，对所述蝗虫种类识别模型和所述东亚飞蝗龄期识别模型进行更新。

8.根据权述利要求2或4所述的方法，其特征在于，所述卷积神经网络为改进的AlexNet模型；

其中，所述改进的AlexNet模型在原AlexNet中新增预设层数的卷积层，将原AlexNet中的池化层替换为Stochastic pooling层，在倒数第二层全连接层和倒数第三层全连接层中添加Dropout层。

9.根据权述利要求2所述的方法，其特征在于，所述步骤S1还包括：

将各所述训练样本图像进行预设角度的翻转，将翻转前后的各所述训练样本图像输入卷积神经网络进行深度学习。

10.一种东亚飞蝗龄期识别装置，其特征在于，包括：

第一识别模块，用于基于预先构建的蝗虫种类识别模型对待识别蝗虫图像进行识别；

第二识别模块，用于在根据识别结果获知所述待识别蝗虫图像的种类为东亚飞蝗时，基于预先构建的东亚飞蝗龄期识别模型对所述待识别蝗虫图像进行识别，获取所述待识别蝗虫图像对应的龄期。