一种基于多视图提示的虫情识别方法及系统
本发明属于数据处理以及智慧农业相关,具体涉及一种基于多视图提示的虫情识别方法及系统。
背景技术:
1、智慧农业是新一代信息技术与农业生产深度融合的产物,虫情监测作为农业“四情”(墒情、苗情、虫情、灾情)监测的核心内容之一,是实现病虫害精准防控、减少农药滥用、保障粮食安全的关键环节。基于图像的视觉识别技术因具有非接触、自动化程度高等优势,已成为虫情监测的主流手段。现有方法通常利用深度学习模型对粘虫板或诱捕器上的害虫图像进行分类或检测,在一定程度上实现了虫情的自动统计。
2、然而,在实际应用中,现有技术仍面临着识别准确率低、误检率高的突出问题:首先,跨发育阶段识别准确率极低。诸多重点农作物害虫属于完全变态或不完全变态昆虫,其在幼虫期、成长期、成熟期的形态、纹理、体型差异极为悬殊。例如二化螟在不同龄期呈现出完全不同的外观特征。现有识别方法大多仅基于成虫或某一特定龄期的表观特征进行训练,模型对于未充分覆盖的发育阶段泛化能力严重不足。其次,单一视角特征表征能力有限。害虫在自然状态下姿态各异,粘虫板上害虫常呈现伸展、蜷缩、侧卧等不同状态,单一视角难以完整描述其多变的表观。现有方法多依赖固定矩形框检测或单一示例分割,对变形适应性不足。最后,忽视尺寸信息导致误检率居高不下。 对于许多形态相似的近缘害虫种类,物理尺寸是区分其种类乃至发育阶段的关键诊断特征。现有方法依赖形态特征进行判别,缺乏对目标对象真实物理尺寸的有效校验机制,造成较高的误检率,直接影响虫情测报的准确性。
3、综上,迫切需要一种能够兼容同一害虫多发育阶段形态差异、并能引入物理尺寸校验的虫情识别方法,以显著提升跨发育阶段的识别准确率,降低农作物害虫误检率。
技术实现思路
1、本发明旨在解决现有虫情识别方法无法有效适应害虫跨发育阶段的形态差异,且未结合尺寸信息校验,导致农作物害虫识别准确率低、误检率高的问题。
2、为解决上述技术问题,本发明采用了以下方案:
3、一方面,本发明提供了一种基于多视图提示的虫情识别方法,包括以下步骤:
4、s1、构建包含农作物目标害虫不同发育阶段的多视图样本图片库,并建立与各图片对应的物理尺寸属性信息;
5、s2、获取农作物现场诱捕器内摄像头拍摄的粘虫板原始图像;
6、s3、将所述样本图片库中各类别目标害虫的多视图图像作为掩码提示,将所述原始图像输入至可提示分割模型,得到与所述掩码提示一一对应的第一分割掩码集合;
7、s4、对所述第一分割掩码集合进行去重处理,得到第二分割掩码集合;
8、s5、对所述第二分割掩码集合中的各掩码实例,分别进行角度调整,并计算其物理尺寸,将计算结果与所述样本图片库中对应的物理尺寸信息进行匹配校验,保留通过校验的掩码实例,形成第三分割掩码集合;
9、s6、对所述第三分割掩码集合进行统计分析,输出所识别出的目标害虫的类别、各发育阶段数量及掩码叠加后的可视化图像。
10、其中,所述s1中不同发育阶段的样本图片包括幼虫期、成长期和成熟期三个阶段的多视图图片。
11、进一步的,所述多视图图片包含正面、侧面和背面三个拍摄角度的图片。
12、其中,所述s1中物理尺寸属性信息为农作物害虫的尺寸大小范围,且与多视图样本图片一一对应。
13、其中,所述s2中粘虫板原始图像包含至少一只农作物害虫,并携带相机标定参数属性信息。
14、其中,所述s3中可提示分割模型为基于提示的开放域分割模型,根据掩码提示对输入的图像进行实例分割。
15、其中,所述s4又包括:
16、s41、在第一分割掩码集合中,针对同一类别的农作物害虫,计算任意两个掩码实例之间的交并比iou值;
17、s42、当iou值大于阈值时,删除置信度得分较低的掩码实例,保留置信度得分较高的掩码实例;
18、s43、遍历农作物害虫所有类别,重复步骤s41和s42,得到第二分割掩码集合。
19、其中,所述s5又包括:
20、s51、在第二分割掩码集合中,提取每个掩码实例的最小外接矩形;
21、s52、计算最小外接矩形的长边与水平方向的夹角,将所有掩码实例旋转使长边处于水平方向;
22、s53、通过掩码实例像素坐标和原始图像中携带的相机标定参数计算实例的物理尺寸;
23、s54、将实例的物理尺寸与对应的样本库中物理尺寸进行校验,剔除未落入尺寸大小范围的掩码实例,得到第三分割掩码集合。
24、其中,所述s6又包括:
25、s61、对所述第三分割掩码集合,按农作物害虫类别进行统计数量;
26、s62、对某一类别的农作物害虫,按发育阶段统计数量;
27、s63、对指定类别和发育阶段的农作物害虫,提取对应的掩码图像;
28、s64、将掩码图像和原始图像进行图像融合,生成可视化图像。
29、另一方面,本发明提供一种基于多视图提示的虫情识别系统,包括:
30、样本库构建模块,用于构建农作物目标害虫不同发育阶段多视图的样本图片库及对应的物理尺寸属性信息;
31、原始图像获取模块,用于获取农作物现场粘虫板区域携带相机标定参数的原始图像数据;
32、分割模型模块,用于从所述样本图片库中选取多视图掩码作为提示信息,将原始图像与掩码提示输入至可提示分割模型,输出第一分割掩码集合;
33、第一后处理模块,用于对所述第一分割掩码集合执行去重处理,得到第二分割掩码集合;
34、第二后处理模块,用于对所述第二分割掩码集合中的掩码实例进行角度调整和尺寸校验,得到第三分割掩码集合;
35、第三后处理模块,用于对所述第三分割掩码集合进行统计分析,输出目标害虫的类别、各发育阶段的数量以及掩码叠加后的可视化图像。
36、本发明的有益效果:
37、构建目标害虫不同发育阶段的多视图标准样本图片库,以真实掩码为模型先验,有效适应害虫不同阶段形态的剧烈变化,解决了跨发育阶段漏检误判问题,显著提升跨发育阶段的识别准确率;通过交并比去重和角度旋转校正,消除多视图冗余检测和害虫朝向带来的测量误差,并通过物理尺寸校验大幅降低了误检率,为农作物虫情精准监测提供技术支撑。
1.一种基于多视图提示的虫情识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多视图提示的虫情识别方法,其特征在于,所述s1中不同发育阶段的样本图片包括幼虫期、成长期和成熟期三个阶段的多视图图片。
3.根据权利要求2所述的基于多视图提示的虫情识别方法,其特征在于,所述多视图图片包含正面、侧面和背面三个拍摄角度的图片。
4.根据权利要求1所述的基于多视图提示的虫情识别方法,其特征在于,所述s1中物理尺寸属性信息为农作物害虫的尺寸大小范围,且与多视图样本图片一一对应。
5.根据权利要求1所述的基于多视图提示的虫情识别方法,其特征在于,所述s2中粘虫板原始图像包含至少一只农作物害虫,并携带相机标定参数属性信息。
6.根据权利要求1所述的基于多视图提示的虫情识别方法,其特征在于,所述s3中可提示分割模型为基于提示的开放域分割模型,根据掩码提示对输入的图像进行实例分割。
7.根据权利要求1所述的基于多视图提示的虫情识别方法,其特征在于,所述s4又包括:
8.根据权利要求1所述的基于多视图提示的虫情识别方法,其特征在于,所述s5又包括:
9.根据权利要求1所述的基于多视图提示的虫情识别方法,其特征在于,所述s6又包括:
10.一种基于多视图提示的虫情识别系统,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com