[发明专利]有害生物视觉识别方法、装置、设备及可读存储介质

权利要求书

1.一种有害生物视觉识别方法，其特征在于，所述方法包括：

获取有害生物样本图像，通过所述样本图像构建原始数据集；

将原始数据集中的样本图像进行预处理，并将预处理后的样本图像进行数据增强处理，形成训练样本；

采用迁移学习和卷积神经网络对所述训练样本进行训练，得到有害生物视觉识别模型；

通过有害生物视觉识别模型对待检测图像进行识别，获取检测结果。

2.根据权利要求1所述的有害生物视觉识别方法，其特征在于，所述采用迁移学习和卷积神经网络对所述训练样本进行训练，得到有害生物视觉识别模型，包括如下步骤：

采用在大规模数据集ImageNet上预训练的模型进行迁移学习，通过卷积神经网络对训练样本进行特征提取，得到中间层特征图，并通过样本预测结果计算粗粒度损失；

通过中间层特征图对训练样本进行显著性目标定位，得到显著性目标图像；

采用卷积神经网络对显著性目标图像进行细粒度特征提取，并通过目标图像预测结果计算细粒度损失；

根据粗粒度损失和细粒度损失，对有害生物视觉识别模型参数优化。

3.根据权利要求2所述的有害生物视觉识别方法，其特征在于，所述将原始数据集中的样本图像进行预处理，具体包括：按照预设规则裁剪原始数据集中的样本图像并调整图像格式。

4.根据权利要求3所述的有害生物视觉识别方法，其特征在于，所述将预处理后的样本图像进行数据增强处理具体包括：将图像格式后的样本图像采用镜像翻转和随机旋转进行数据增强处理。

5.一种有害生物视觉识别装置，其特征在于，所述装置包括：

原始数据集构建模块，用于获取有害生物样本图像，通过所述样本图像构建原始数据集；

训练样本获取模块，用于将原始数据集中的样本图像进行预处理，并将预处理后的样本图像进行数据增强处理，形成训练样本；

模型训练模块，用于采用迁移学习和卷积神经网络对所述训练样本进行训练，得到有害生物视觉识别模型；

检测模块，用于通过有害生物视觉识别模型对待检测图像进行识别，获取检测结果。

6.根据权利要求5所述的有害生物视觉识别装置，其特征在于，所述模型训练模块包括：

中间层特征图单元，用于采用在大规模数据集ImageNet上预训练的模型进行迁移学习，通过卷积神经网络对训练样本进行特征提取，得到中间层特征图，并通过样本预测结果计算粗粒度损失；

显著性目标图像单元，用于通过中间层特征图对训练样本进行显著性目标定位，得到显著性目标图像；

细粒度特征提取单元，用于采用卷积神经网络对显著性目标图像进行细粒度特征提取，并通过目标图像预测结果计算细粒度损失；

优化单元，用于根据粗粒度损失和细粒度损失，对有害生物视觉识别模型参数优化。

7.根据权利要求5所述的有害生物视觉识别装置，其特征在于，所述训练样本获取模块包括：

裁剪单元，用于按照预设规则裁剪原始数据集中的样本图像并调整图像格式。

8.根据权利要求5所述的有害生物视觉识别装置，其特征在于，所述训练样本获取模块还包括：

数据增强单元，用于将图像格式后的样本图像采用镜像翻转和随机旋转进行数据增强处理。

9.一种计算设备，其特征在于，包括：处理器、存储器及通信总线；

所述通信总线用于实现处理器和存储器之间的连接通信；

所述处理器用于执行所述存储器中存储的有害生物视觉识别程序，以实现如权利要求1至4中任意一项所述的方法步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有有害生物视觉识别程序，当所述有害生物视觉识别程序被至少一个处理器执行时，实现如权利要求1至4任意一项所述的方法步骤。