[发明专利]基于空间特征和深度特征强化技术的害虫图像定位识别方法

说明书

本发明涉及一种基于空间特征和深度特征强化技术的害虫图像定位识别方法，与现有技术相比解决了图像识别技术无法满足农业害虫检测需要的缺陷。本发明包括以下步骤：基础图像数据的获取；标准卷积块的处理；全局激活模块的处理；害虫图像候选框的提取；害虫图像的定位识别。本发明利用基于空间和深度特征强化的全局激活模块去学习特征权重，基于空间特征强化的网络结构分支使得在空间上有效的空间位置信息权重大、无效或效果小的空间位置信息权重小，基于深度特征强化的网络结构分支使得在通道上有效的特征图权重大、无效或效果小的特征图权重小，并可以将全局激活模块应用到不同深度的标准卷积模块结构后强化重要的信息特征。

技术领域

本发明涉及图像识别技术领域，具体来说是基于空间特征和深度特征强化技术的害虫图像定位识别方法。

背景技术

随着计算机视觉技术和图像处理技术的快速发展，基于图像的害虫自动识别与计数技术在近年来已成为研究热点。虽然此方法省时省力，具有智能化等优点，但是田间自然环境下害虫的识别与计数仍然面临巨大挑战。首先，采集图像时，外界环境的光照不稳定、不均匀影响图像的质量；其次，采集的图像混有其他杂物，背景较复杂；再者，图像中的害虫目标较小，姿态各异，因此识别具有较大的困难。

现有技术中，虽有部分技术从特征角度出发进行害虫的图像识别，但大多数使用深度学习的物体检测方法在通用物体的检测和分类上表现优异，在农业害虫检测应用中准确率低、鲁棒性差。经过分析，其原因可能是大多数害虫目标较小，特征信息在深层消失而浅层的特征缺乏语义含义。因此，如何设计出一种能够应用于农业害虫检测的方法已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中图像识别技术无法满足农业害虫检测需要的缺陷，提供一种基于空间特征和深度特征强化技术的害虫图像定位识别方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于空间特征和深度特征强化技术的害虫图像定位识别方法，包括以下步骤：

基础图像数据的获取：获取待定位识别的害虫图像；

标准卷积块的处理：将待定位识别害虫图像输入标准卷积块进行处理，得到待定位识别害虫图像的特征图；

全局激活模块的处理：将待定位识别害虫图像的特征图输入全局激活模块进行处理，得到强化后的特征图；

害虫图像候选框的提取：将强化后的特征图输入候选框提取网络，提取出定位害虫的候选框，生成候选区域集；

害虫图像的定位识别：将害虫图像候选区域集输入到分类回归模块进行定位识别，利用Softmax Loss网络输出层和Smooth L1 Loss网络输出层得到分类概率和边框回归。

所述的全局激活模块的处理包括以下步骤：

对待定位识别害虫图像的特征图进行空间特征强化分析处理；

对待定位识别害虫图像的特征图进行深度通道特征强化分析处理；

害虫图像特征的融合：将空间特征强化结果与深度通道特征强化结果相加，即对待定位识别害虫图像特征图的空间特征强化结果和深度通道特征强化结果相加得到强化后的特征图Y_strong：

将强化后的特征图Y_strong输入特征金字塔网络进行融合，利用低层特征的高分辨率信息和高层特征的高语义信息，得到融合多层强化特征信息的特征图。

所述标准卷积块的处理步骤如下：

对待定位识别害虫图像进行标准的卷积块操作f(X)，卷积块操作f(X)的输入输出定义如下：