[发明专利]害虫识别记数方法、系统、装置及可读存储介质在审

专利信息
申请号: 202011611861.5 申请日: 2020-12-30
公开(公告)号: CN112686862A 公开(公告)日: 2021-04-20
发明(设计)人: 朱旭华;陈渝阳;冯晋;吴弘洋;刘志敏;申智慧;姚波 申请(专利权)人: 浙江托普云农科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10;G06T7/90;G06K9/62;G06N3/04;G06N3/08
代理公司: 杭州五洲普华专利代理事务所(特殊普通合伙) 33260 代理人: 徐晶晶
地址: 310000 浙江省杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 害虫 识别 记数 方法 系统 装置 可读 存储 介质
【说明书】:

发明公开一种害虫识别记数方法,包括获取各个虫害种类的图片形成原始数据集,对原始数据集进行标定处理;对标定的原始数据集进行第一处理,基于第一处理结果训练并验证目标检测模型;选择种类相似的虫害图片进行第二处理训练并验证分类模型;采用目标检测模型对待检测害虫图片进行对象检测,以获得害虫检测结果;基于相似类别的位置信息对待检测害虫图片进行切割处理,采用分类模型对切割处理的结果进行害虫种类分类,以获得害虫分类结果;基于所述位置信息、初步分类结果和害虫分类结果,得到害虫的种类和数量。本发明通过AI图像识别技术完成诱捕昆虫远程的图像获取和计数功能,对靶标昆虫进行实时监测,减少了人工分虫重新核实数据的不便与不准确。

技术领域

本发明涉及识别技术领域,尤其涉及一种害虫识别记数方法、系统、装置及可读存储介质。

背景技术

昆虫信息素(性诱剂)具有专一性强、无抗药性问题、环境友好、与其他防治技术有100%兼容性、显著提高农产品质量等优势,性诱已成为国家倡导绿色防控技术之一。“昆虫智慧性诱测报”利用性诱剂,将传统的害虫性诱捕器与物联网信息技术相结合,对农、林业生产中可能为害的昆虫进行监测和生物防治,可指导田间科学的化学防治,减低农药使用量,从而减少生产成本并大大提高农产品质量,使农产品增值,在虫害防治上响应预防为主、综合防治的植保方针。

在现有技术中,传统诱捕器简陋,只诱捕不统计数据,无法进行监测,达不到指导防治的效果。市场上已有的性诱测报系统产品笨重、不易移动、定价高,普遍存在计数误报现象,普通用户有需求而无购买力。目前大数据研究比较广泛,是否可以将大数据和传统诱捕器呢,并且开发低成本的智慧性诱测报系统产品呢,本申请正是解决了这个问题。

发明内容

本发明针对现有技术中的缺点,提供了一种害虫识别记数方法、系统、装置及可读存储介质。

为了解决上述技术问题,本发明通过下述技术方案得以解决:

一种害虫识别记数方法,包括以下步骤:

获取各个虫害种类的图片形成原始数据集,对原始数据集进行标定处理;

对标定的原始数据集进行第一处理,基于第一处理结果训练并验证目标检测模型;基于标定的原始数据集中选择种类相似的虫害图片进行第二处理,基于第二处理结果训练并验证分类模型;

采用目标检测模型对待检测害虫图片进行对象检测,以获得害虫检测结果,其中检测结果包括待测图片中各个害虫的位置信息和得分结果,基于位置信息和得分结果得到初步类别和相似类别;

基于相似类别的位置信息对待检测害虫图片进行切割处理,采用分类模型对切割处理的结果进行害虫种类分类,以获得害虫分类结果;

基于所述位置信息、初步分类结果和害虫分类结果,得到害虫的种类和数量。

作为一种可实施方式,所述对原始数据集进行第一处理,基于第一处理结果训练并验证目标检测模型,具体为:

对标定的原始数据集做样本增强处理并分成训练数据集、测试数据集和验证数据集,其中,增强处理包括旋转处理、亮度和色调调节处理、去噪声处理及图片镜像处理中的一种或几种;

将训练数据集输入目标检测模型进行训练,训练完成后将测试数据集和验证数据集作为输入,对训练结果进行验证,进而得到目标检测模型。

作为一种可实施方式,所述基于标定的原始数据集中选择种类相似的虫害图片进行第二处理,基于第二处理结果训练并验证分类模型,具体为:

基于害虫类别的相似程度对标定的原始数据集进行选择,选择出相似的害虫类别数据集,并进行切割处理;

基于切割处理结果做样本增强处理并分成分类模型训练数据集、分类模型测试数据集和分类模型验证集,其中,增强处理包括旋转处理、亮度和色调调节处理、去噪声处理及图片镜像处理中的一种或几种;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江托普云农科技股份有限公司,未经浙江托普云农科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011611861.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top