[发明专利]一种蜜蜂图像识别计数方法

说明书

本发明公开了一种蜜蜂图像识别计数方法，该方法利用设备采集巢门区蜜蜂图像数据，构建蜜蜂图像数据集，再进行FasterR‑CNN模型的构建与训练，使用该模型进行蜜蜂图像识别计数，运用手机拍摄即可进行识别，对运行成本低，并且不会对蜜蜂的正常生理活动造成影响，便于推广使用。

技术领域

本发明属于图像识别技术领域，具体涉及一种蜜蜂图像识别计数方法。

背景技术

现阶段的巢门区蜜蜂计数方式主要可分为基于图像处理的计数方式与基于传感器的计数方式。依靠图像处理的巢门区蜜蜂计数方式有像素分离法、轮廓检测法、平均像素法、信噪比估计法、HARP波峰法、模板匹配法等；依靠传感器的计数方式，采用红外传感器、电容传感器、光电传感器等传感器实现对蜜蜂进出巢门计数。

基于图像处理的计数方式其图像采集方式为固定位置进行采集，且对图片的质量要求高，需要给每一个蜂箱配备一个摄像头，使用、运行成本高，难于普及推广；而基于传感器的计数方式由于传感器的安装对蜂路的畅通性影响较大，会对蜜蜂的生理活动造成一定影响，射频标签由于安装不便、检测器昂贵等缺点难以推广使用。

综上所述，结合当下蜂农只有手机作为拍摄设备的局限性，需要一种适用于手机图像辨别的蜜蜂图像识别计数方法。

发明内容

为了解决上述技术问题，本发明提出了一种蜜蜂图像识别计数方法，该方法利用设备采集巢门区蜜蜂图像数据，构建蜜蜂图像数据集，再进行Faster R-CNN模型的构建与训练，使用该模型进行蜜蜂图像识别计数，运用手机拍摄即可进行识别，对运行成本低，并且不会对蜜蜂的正常生理活动造成影响，便于推广使用。

为了达到上述技术目的，本发明是通过以下技术方案实现的：一种蜜蜂图像识别计数方法，包括以下步骤：

S1：蜜蜂图像数据采集，构建蜜蜂图像数据集，并进行图像预处理；

S2：构建Faster R-CNN模型；

S3：对FasterR-CNN模型进行训练；

S4：使用Faster R-CNN模型进行蜜蜂图像识别计数。

优选的，所述S1中运用手机在蜂箱周围，结合环境因素进行选择性拍摄1500张蜜蜂图像构成蜜蜂图像数据集，对蜜蜂图像数据集的图片利用Opencv库实现对图像的旋转、对比度、饱和度变换等一系列数据增强操作，并进行标注，从其中选择1000张作为训练集。

优选的，所述S2中Faster R-CNN模型包括ResNet50主干特征提取网络、RPN网络层、ROI Pooling层、全连接层，图片数据作为输入进入到ResNet50主干特征提取网络，输出提取得到的特征图，特征图经过两条路，一条路是通向RPN网络层，即区域建议网络RPN，ROIPooling将输入的建议框与特征图综合，将建议框映射至特征图上，并将映射后的区域划分为若干个相同尺寸大小的特征图，并进行最大池化操作，将从不通尺寸大小的建议框中获得尺寸大小相同的特征图，将新生成的特征图送入到全连接层进行分类与回归。

优选的，所述ResNet50主干特征提取网络中采用SoftNms算法替代NMS算法进行局部特征图的提取，NMS算法可用公式(1)表示：

s_i表示检测框的分数，表示检测框与真实框的重叠比例，N_t表示设定的阈值；

对NMS线性加权，表示为：

对NMS高斯加权，表示为：

表示的是当前得分最高框，b_i表示待处理框。