[发明专利]基于自适应感受野SSD的鼠害程度级别预测方法和装置

说明书

本申请揭示一种基于自适应感受野SSD的鼠害程度级别预测方法。获取样本热感应图像；得到第一样本数据；划分数据；得到第一兔子识别模型；得到第一验证结果；若第一验证结果为验证通过，则得到多个第二兔子识别结果；得到预测的第二兔子数量；若超过数量阈值，则得到第二样本数据；划分数据；得到第二老鼠识别模型；若不超过数量阈值，则得到第三样本数据；划分数据；得到第三老鼠识别模型；得到热感应图像数据；得到预测的第三兔子数量；若超过数量阈值，则得到多个一号老鼠识别结果；预测出鼠害程度级别；若不超过数量阈值，则得到多个二号老鼠识别结果；预测出鼠害程度级别。从而利用兔子来进行辅助检测，以提高鼠害程度级别预测的准确性。

技术领域

本申请涉及到计算机领域，特别是涉及到一种基于自适应感受野SSD的鼠害程度级别预测方法、装置、计算机设备和存储介质。

背景技术

在农业领域中，鼠害是造成经济损失的主因之一。鼠害防治工作的前提是确定鼠害的程度，以便针对性进行治理。但是，由于鼠类活动范围广、灵活性强及作物易遮挡等因素导致监测困难，现有的鼠害预估方案难以解决这些困难，因此无法准确预估鼠害的程度。

发明内容

本申请提出一种基于自适应感受野SSD的鼠害程度级别预测方法，包括以下步骤：

S1、获取样本热感应图像，并根据预设的第一比例对所述样本热感应图像进行划分处理，从而得到第一热感应图像数据和第二热感应图像数据；其中，所述第一热感应图像数据和第二热感应图像数据均为在时间上连续的热感应图像数据，并且所述第一热感应图像数据和第二热感应图像数据为在不同区域利用红外热像仪采集得到的数据；

S2、对第一热感应图像数据进行人工标注处理，以将第一热感应图像数据中的所有兔子热感应图像均标注第一标签，从而得第一样本数据；

S3、根据预设的第二比例，将所述第一样本数据划分为第一训练数据和第一验证数据；将所述第一训练数据输入预设的深度神经网络进行训练处理，从而得到第一兔子识别模型；采用所述第一验证数据对所述第一兔子识别模型进行验证处理，以得到第一验证结果，并判断所述第一验证结果是否为验证通过；

S4、若所述第一验证结果为验证通过，则将所述第二热感应图像数据输入所述第一兔子识别模型，从而得到所述第一兔子识别模型输出的多个第二兔子识别结果；

S5、统计多个第二兔子识别结果的数量，从而得到预测的第二兔子数量，判断所述第二兔子数量是否超过预设的数量阈值；

S6、若所述第二兔子数量超过预设的数量阈值，则对第二热感应图像数据进行人工标注处理，以将第二热感应图像数据中的疑似老鼠热感应图像和确切老鼠热感应图像标记第二标签，从而得第二样本数据；

S7、根据预设的第三比例，将所述第二样本数据划分为第二训练数据和第二验证数据；

S8、将所述第二训练数据输入预设的基于自适应感受野SSD的卷积神经网络模型进行训练处理，从而得到第二老鼠暂时识别模型；采用所述第二验证数据对所述第二老鼠暂时识别模型进行验证处理，以得到第二验证结果，并判断所述第二验证结果是否为验证通过；

S9、若所述第二验证结果为验证通过，则将所述第二老鼠暂时识别模型记为第二老鼠识别模型；

S10、若所述第二兔子数量不超过预设的数量阈值，则对第二热感应图像数据进行人工标注处理，仅将第二热感应图像数据中的确切老鼠热感应图像标记第三标签，而第二热感应图像数据中的疑似老鼠热感应图像不进行标记，得到第三样本数据；

S11、根据预设的第四比例，将所述第三样本数据划分为第三训练数据和第三验证数据；