一种少样本多类别农业昆虫计数方法及装置

本发明涉及农业昆虫图像检测领域，尤其涉及一种利用少量示例目标实现多类别农业昆虫识别、计数及新场景快速适配的少样本多类别农业昆虫计数方法及装置。

背景技术：

1、农业昆虫数量监测是农业生产管理、虫情预警和精准防控中的重要环节。通过对黄色粘虫板、诱捕器图像、田间采集图像、温室监测图像等农业监测图像中的昆虫种类和数量进行统计，可以为虫害发生趋势判断、防治时机选择以及农药精准施用提供数据依据。传统人工识别和计数方式耗时耗力，难以满足大范围、连续化和自动化农业监测需求。

2、随着计算机视觉和深度学习技术的发展，基于图像的农业昆虫检测与计数方法逐渐被用于替代人工统计。现有方法通常包括基于目标检测的方法和基于密度估计的方法。前者通过输出昆虫目标的边界框、类别标签和置信度进行实例级统计，后者通过预测密度图、中心热图或响应图获得目标数量。上述方法在固定数据集和固定农业场景中能够取得一定效果，但通常依赖大量带有类别标签、目标位置或边界框的标注样本进行全监督训练，标注成本较高。

3、在真实农业虫情监测中，农业昆虫图像具有明显的场景依赖性。不同地区、作物类型、生长阶段、季节条件、诱捕设备、拍摄设备和光照环境，均可能导致图像背景、目标尺度、虫体姿态和成像质量发生变化；同时，待计数虫种也并非固定不变，新发虫害、稀有虫种、局部爆发虫种以及原训练数据集中未包含的昆虫类别可能随时出现。对于这类新农业场景或新昆虫类别，现有全监督模型往往难以直接保持稳定的识别和计数效果。

4、为适应新的农业场景或新的昆虫类别，现有全监督方法通常需要重新采集大量目标场景图像，并对图像中的昆虫实例进行类别标注、位置标注或边界框标注，然后重新训练模型或对完整模型进行大规模微调。该过程不仅需要较高的人力标注成本和时间成本，而且在稀有虫种、新发虫害或局部爆发虫种场景中，短时间内往往难以获得足够数量和质量的标注样本，难以满足农业虫情监测中快速部署和持续更新的需求。

5、为降低对大规模标注数据的依赖，少样本计数方法近年来逐渐受到关注。现有少样本计数方法通常通过给定少量示例目标，使模型在查询图像中统计与示例目标相同或相似的目标数量。该类方法在通用目标计数场景中具有一定适用性，但大多属于通用少样本计数器，其任务设定通常是单一类别计数，即给定某一类别的示例目标后，只统计查询图像中该类别目标的数量，难以直接满足农业虫情监测中多类别昆虫同时存在并需要分别计数的实际需求。

6、在黄色粘虫板、诱捕器或田间采集图像中，一张图像往往同时包含多种昆虫目标，不同昆虫类别之间可能在颜色、纹理、形态和尺度上高度相似，而同一类别昆虫又可能因姿态、拍摄角度、粘连状态和成像条件不同而呈现较大外观差异。若将现有单类别少样本计数方法用于多类别农业昆虫计数，通常需要针对每一个待计数类别分别执行推理，再通过后处理方式融合不同类别的计数结果。该方式容易带来推理耗时增加、跨类别响应、重复计数、误差累积、背景误激活以及细粒度昆虫类别区分不足等问题。

7、综上，现有农业昆虫检测与计数方法仍存在以下不足：

8、一是全监督方法依赖大量完整标注数据，且通常面向固定训练场景和固定虫种类别；二是当出现新农业场景、新采集条件或新昆虫类别时，重新采集数据、标注数据并训练或大规模微调整个模型成本较高；三是现有少样本计数方法多为通用单类别计数器，难以适应多类别农业昆虫共存和细粒度相似类别区分场景。

9、因此，有必要提出一种能够利用少量示例目标动态定义待计数昆虫类别，并在同一处理流程中完成多类别候选目标发现、细粒度类别区分、背景干扰抑制、按类别计数输出以及新农业场景和新昆虫类别快速适配的少样本多类别农业昆虫计数方法及装置。

技术实现思路

1、本发明提供了一种少样本多类别农业昆虫计数方法及装置，本发明用于解决现有农业昆虫检测与计数在标注样本有限条件下，难以稳定完成多类别昆虫识别、分类与计数，并且在新农业场景、新采集条件或新昆虫类别下需要重新采集大量标注样本并重新训练或大规模微调模型，导致快速适配能力不足的问题，详见下文描述：

2、第一方面、一种少样本多类别农业昆虫计数方法，所述方法包括：

3、获取待计数农业昆虫图像、待计数昆虫类别集合以及每一待计数昆虫类别对应的少量示例目标；对待计数农业昆虫图像和各类别示例目标进行预处理，并提取待计数农业昆虫图像的共享图像特征图；

4、基于共享图像特征图和各待计数类别的少量示例目标，生成类别无关的潜在昆虫候选区域集合；根据每一待计数昆虫类别的少量示例目标构建对应的类别原型，提取每一个潜在昆虫候选区域的实例级候选区域特征；

5、计算每一个潜在昆虫候选区域与各类别原型之间的关系分数，为每一个潜在昆虫候选区域生成背景竞争得分，并在统一背景—类别决策空间中完成背景剔除和类别分配；

6、对分配至各前景昆虫类别的候选区域进行类内去重，并统计每一类别最终保留候选区域的数量，输出多类别农业昆虫计数结果。

7、第二方面、一种少样本多类别农业昆虫计数装置，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行第一方面中的任一项所述的方法。

8、第三方面、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行第一方面中的任一项所述的方法。

9、本发明提供的技术方案的有益效果是：

10、1、本发明能够降低多类别农业昆虫计数对大规模完整标注数据的依赖：现有农业昆虫检测与计数方法大多采用全监督训练方式，通常需要大量带有类别标签、目标位置或边界框的标注样本，而农业昆虫图像中目标尺度小、数量多、边界不清晰，且易与杂质、残缺虫体或背景纹理混淆，实例级标注成本较高；本发明通过为每个待计数类别提供少量示例目标，并根据示例目标构建类别原型，使模型能够在少量标注样本条件下获得类别参照，从而减少对大规模完整标注数据的依赖，更适合农业监测中标注样本有限的实际场景；

11、2、本发明能够提高农业昆虫计数模型在新农业场景和新采集条件下的快速部署能力：现有全监督农业昆虫检测与计数方法通常依赖固定训练数据集中的场景、设备和虫种类别，当应用场景从一种作物环境迁移到另一种作物环境，或者采集地区、季节阶段、诱捕设备、拍摄设备、光照条件和图像背景发生变化时，往往需要重新采集大量标注样本并重新训练或大规模微调整个模型，部署成本较高；本发明通过少量示例目标动态构建当前任务中的类别原型，并通过候选区域与类别原型之间的关系判别完成类别分配，使模型不再完全依赖固定类别分类器和固定训练场景；对于新的农业场景或新的采集条件，本发明可以利用每个待计数类别的少量示例目标直接执行计数推理，或者仅对多类别验证相关模块进行快速微调，而无需重新训练完整模型，从而有助于实现不同地区、不同作物环境、不同诱捕设备和不同虫情阶段下的快速部署与低成本更新；

12、3、本发明能够降低新虫种、稀有虫种、新发虫害和局部爆发虫种的类别扩展成本：在实际农业虫情监测中，部分昆虫类别样本数量较少，或者某些新发虫害、局部爆发虫种未包含在原始训练数据集中，传统固定类别检测或计数模型难以直接识别和统计该类昆虫，通常需要重新补充大量带标签样本并进行模型训练；本发明允许用户通过前端或数据库为新的待计数昆虫类别提供少量代表性示例目标，并根据该少量示例目标构建对应类别原型，使新的昆虫类别能够参与候选区域与类别原型之间的统一关系判别；由此，本发明能够在少量示例样本条件下将新虫种、稀有虫种、新发虫害或局部爆发虫种纳入当前多类别计数流程，降低新类别扩展所需的标注成本和模型更新成本，提高农业虫情监测系统面对动态虫种组成时的适应能力；

13、4、本发明能够在同一处理流程中实现多类别农业昆虫的同时识别与计数：现有少样本计数方法大多以单类别计数为基本设定，通常需要针对不同昆虫类别分别执行推理，再通过后处理方式融合不同类别的结果；在多类别昆虫共存且类别外观相似的场景中，该方式容易产生跨类别响应、重复计数和类别归属错误；本发明在模型中同时引入多个类别的示例目标，并在候选区域与各类别原型之间进行统一关系判别，使每个候选区域能够在多个待计数类别之间完成类别分配，从而避免逐类别独立计数带来的推理耗时增加和误差累积问题；

14、5、本发明有助于提高细粒度相似昆虫类别之间的区分能力：农业昆虫图像中常存在类间差异小、类内差异大的问题，仅采用点积、余弦相似度等固定相似度度量，往往难以充分表达候选区域与类别示例之间的细粒度差异；本发明通过低秩双线性关系建模，将候选区域特征和类别原型分别映射至低秩关系空间，并在该空间中计算二者之间的交互得分；该方式能够在控制参数规模的同时增强候选区域与类别原型之间的特征交互表达，从而有助于提高多类别昆虫计数中的类别判别稳定性；

15、6、本发明能够增强复杂农业图像中的背景误检抑制能力：黄色粘虫板、诱捕器图像和田间采集图像中常存在板面反光、灰尘杂质、残缺虫体、粘连区域、非目标昆虫以及复杂背景纹理等干扰因素；针对这一问题，本发明为每个候选区域设置背景竞争得分，并使背景得分与各类别关系分数共同参与统一决策；由此，背景区域不再仅依赖后处理阈值过滤，而是在候选区域分类阶段即与各前景昆虫类别进行竞争，从而有助于减少背景区域和错误候选区域造成的误检；

16、7、本发明能够提高计数结果的实例级可解释性：基于密度估计的计数方法通常输出密度图或数量值，难以直接给出每个昆虫目标的位置和类别归属；本发明的最终计数结果来自经候选生成、多类别验证、背景剔除和类内去重后保留的候选区域集合，因此不仅能够输出图像中的昆虫总数和各类别昆虫数量，还能够输出各昆虫目标在原图中的位置和类别标签，该结果便于在前端界面中进行可视化展示，也便于人工复核、虫情分析和精准防控决策；

17、8、本发明能够提高农业昆虫计数任务的实际使用便利性，并支持持续数据积累和模型更新：系统采用前端采集与任务配置端、后端云服务器、数据库和少样本多类别计数模型相结合的方式，用户可在前端完成图像拍摄或上传、待计数类别选择和少量示例目标配置；后端服务器负责数据保存、图像预处理、模型推理、结果可视化和结果入库；检测完成后，系统将昆虫总数、各类别数量以及带有检测标注的可视化图像返回前端展示，用户还可以对漏检、误检或类别错分结果进行人工复核，并将复核结果保存至数据库，用于后续新场景适配和模型更新。通过该流程，农业监测人员能够较方便地完成现场图像采集、自动计数、结果查看、人工复核和历史数据管理，从而形成面向实际农业虫情监测的持续更新闭环。