[发明专利]一种多视距下的病媒生物检测方法及系统

权利要求书

1.一种多视距下的病媒生物检测方法，其特征在于：该方法包括下列顺序的步骤：

(1)采集不同种类病媒生物样本的图像，进行预处理，获得具有不同视距下的多目标区域的图像数据集；

(2)确定病媒生物所有类别的标签，标定每一类别病媒生物的图像数据集中小部分的病媒生物图像，得到标定后的图像数据集，构建多层特征激活的卷积神经网络，将标定后的图像数据集输入至多层特征激活的卷积神经网络中，融合每层激活的特征图，训练得到病媒生物图像自标定模型；用病媒生物图像自标定模型自标定不同视距下的多目标区域的图像数据集中的其余图像，得到已标定的病媒生物图像对应的目标区域，并修正该目标区域，按照8:2的比例将修正后的已标定的图像数据集划分为训练集和验证集；

(3)将YOLOv5的骨干网络模块替换成具有多层特征激活映射的密集连接网络模块，得到改进后的YOLOv5网络模型，对训练集和验证集进行训练，得到训练过程中的最佳病媒生物检测模型，并将最佳病媒生物检测模型的数据节点和权重存储成“.pt”格式文件；

(4)将最佳病媒生物检测模型的节点和权重采用反量化公式，计算矩阵卷积，导出量化后的最佳病媒生物检测模型，并将量化后的最佳病媒生物检测模型的数据节点和权重存储为“.tflite”格式文件；

(5)调用“.tflite”格式文件中量化后的最佳病媒生物检测模型的数据节点和权重，对待检测的病媒生物图像进行推理分析，输出识别得到的病媒生物类别和准确率，实现病媒生物鉴定。

2.根据权利要求1所述的多视距下的病媒生物检测方法，其特征在于：所述步骤(1)具体包括以下步骤：

(1a)对于病媒生物样本的图像I中的目标区域S，用边缘特征提取，获取目标区域S中的所有坐标点(x,y)；

(1b)进行预处理，所述预处理是指放大、缩小、光照、旋转、裁剪、平移、复合的几何变换T和二次线性插值处理，将目标区域S中的所有坐标点(x,y)映射为图像I中新目标区域S′中的坐标(x′,y′)，得到具有多目标区域的图像I′；

(1c)重复步骤(1b)，直至遍历完所有待处理的图像，得到具有不同视距下的多目标区域的病媒生物图像数据集。

3.根据权利要求1所述的多视距下的病媒生物检测方法，其特征在于：所述步骤(2)具体包括以下步骤：

(2a)对不同视距下的多目标区域的图像数据集，确定病媒生物所有类别的标签，标定每一类别病媒生物的图像数据集中小部分的病媒生物图像，得到标定后的图像数据集；

(2b)构建多层特征激活的卷积神经网络，对第i层的池化层输出p_i进行上采样，得到与标定后的图像数据集分辨率大小一致的图像；

(2c)将N个池化层上采样后的输出进行累加运算，得到多层特征激活的热度图：

其中，F_i,m表示第i池化层输出的第m个上采样后具有目标特征区域的特征图；α_i表示第i个池化层的上采样因子；M表示第i个池化层特征图个数；

(2d)结合热度图和采集的病媒生物图像，定位出病媒生物目标区域的边缘特征，根据边缘特征，计算得到目标区域最佳的包围盒；

(2e)对预处理后的小部分图像数据集进行标定，输入到多层特征激活的卷积神经网络，训练获得病媒生物自标定模型；

(2f)用病媒生物自标定模型对不同视距下的多目标区域的图像数据集中的其余图像进行自标定，得到其余病媒生物图像的目标区域，并进行修正；

(2g)将修正后的所有已标定的病媒生物图像数据集，按照8:2的比例，划分为训练集和验证集。