一种面向实验室模拟野外生境的螺类视觉小目标检测系统的制作方法

本发明涉及螺类识别，具体为一种面向实验室模拟野外生境的螺类视觉小目标检测系统。

背景技术：

1、螺类隶属于软体动物门（mollusca）、 腹足纲（gastropoda）， 约有 9 万余种，广泛分布于陆地、淡水和海洋。许多螺类属于有害生物，除了危害农作物、 林木， 破坏环境外，还是多种人兽共患寄生虫病的关键中间宿主，在寄生虫病的传播链中发挥着重要作用，由其介导传播的各类寄生虫病分布范围广、致病危害强，严重威胁人类身体健康，成为全球公共卫生领域重点防控的问题之一；其中淡水螺类作为中间宿主传播的血吸虫病，更是被列为全球重点防控的热带病，在我国长江流域及以南地区，该类疾病因传播范围广、防控周期长，成为我国公共卫生领域重大问题。寄生人体的 6 种血吸虫中，埃及血吸虫、曼氏血吸虫与日本血吸虫的传播危害最为突出，这三类血吸虫均以特定淡水螺类为唯一中间宿主完成传播，其中埃及血吸虫以小泡螺为中间宿主、曼氏血吸虫以双脐螺为中间宿主，日本血吸虫则以钉螺为唯一中间宿主；我国仅流行日本血吸虫病，钉螺作为其传播的唯一中间宿主，主要分布于长江流域及其以南的 12 个省、市、自治区，钉螺的孳生、分布与扩散直接决定了日本血吸虫病的流行范围与防控难度，因此钉螺的精准监测成为我国日本血吸虫病防控工作的关键。

2、螺情监测的关键在于获取钉螺有效视觉特征数据并实现精准检测，而传统螺情监测多依赖人工野外肉眼识别，不仅存在劳动强度大、结果主观性强、漏检率高等固有问题，更面临野外生境带来的核心技术痛点：钉螺野外生存环境复杂，土壤、植被、光照等干扰因素繁多，难以对钉螺静止、运动状态下的视觉特征数据进行有效采集，既无法实现原生境下钉螺视觉数据的大量获取，也难以对采集到的视觉数据集标准化，而标准化、大样本的原生境视觉数据是训练高精度钉螺视觉检测模型的核心基础，数据采集的难题直接导致现有检测手段无法满足野外钉螺小目标检测的精度要求。同时传统监测仅依靠螺类生长繁殖与迁移的生物学习性预判其集中分布区域，再对该区域开展人工检查，缺乏标准化的量化数据支撑，易造成螺情误判，存在较大的局限性，难以满足血吸虫病精准防控的实际需求。

3、为解决上述问题，亟需构建规范的实验室模拟野外微环境，实现钉螺原生境下静、动态视觉数据的大量、标准化采集，进而依托优质数据集训练优化检测模型，从数据源头提升野外钉螺检测的精度；同时相关检测技术需具备良好的泛化性，能够适用于与钉螺具有相似生活习性的螺类，拓宽技术的应用范围。

4、为此，我们提出了一种面向实验室模拟野外生境的螺类视觉小目标检测系统来解决问题。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了一种面向实验室模拟野外生境的螺类视觉小目标检测系统，解决了上述背景技术中的问题。

3、（二）技术方案

4、为实现上述目的，本发明提供如下技术方案：一种面向实验室模拟野外生境的螺类视觉小目标检测系统，包括人工采集模式、视频检测采集模式与综合模式，针对钉螺小目标体型小、对比弱、易遮挡的特性，配置包含切片采样、超分辨预处理、难例挖掘与增量学习的成像与训练策略；所述人工采集模式包括源样品采集识别模块、室内外场地布置模块与实验比对模块，所述视频检测模块包括多位数据采集模块、数据动图比对模块、数据标注模块、标注数据反向对比模块、模型预判开发模块与模型构建模块，所述综合模式包括训练场地环境温湿度调优模块、训练场地环境色度调优模块、训练场地日夜更替模块、线上参数整合模块、分散型数据调优模块、数据打压训练模块与训练模型库存储识别模块；该系统通过s1场地环境构建、s2数据采集、s3数据整合、s4模型初步构建与数据比对、s5模型预判开发的步骤，实现实验室模拟生境下钉螺的高精度识别、分类与密度估算；其中s1构建的模拟训练场地包含照明区、环境模拟区、螺类活动区、检测控制区，照明区设全光谱led灯带、漫射板、850nm红外灯，环境模拟区铺设10cm厚土壤层并种植40%覆盖率的苔草植被，配置水流泵与微型风机，螺类活动区为土壤表面至地下5cm范围，检测控制区部署摄像头与视觉检测控制器。

5、优选的，所述s1场地环境构建具体为：利用亚克力板或玻璃搭建环闭且通风的模拟训练场地，每组数量至少为四个，场地内壁通过胶垫贴合第二层亚克力板，胶垫内安装mto进口s型拉压力传感器lrt与小体积称重传感器l10k；场地配置hx200露点/湿度变送器、s-cmos微型光纤光谱仪（uvvissens），光照控制采用全光谱可调led，日间照度1500–2000lx，夜间关闭可见光并按需使用850nm近红外补光且照度<100lx，光周期可编程；温湿度控制为恒温20–25℃、相对湿度60%–80%，波动≤±1℃、±5%rh；每组场地按高低温度、高低湿度、高低色度与uvb灯光光谱有无划分不同实验环境。

6、优选的，所述s2数据采集包括可用数据标注、可用数据定点标注、数据整体采集三个子步骤，其中可用数据标注具体为：人工采集模式下，根据螺类生长大小筛分出实验侧视区域并划线标注，依据螺类颜色、螺壳颜色、旋向、壳高/宽比等量化特征进行人工识别，形成人工采集数据；视频检测采集模式下，通过图片及10-15s动图采集数据，动图捕捉螺体移动轨迹，视频采集执行“粗筛+精标”两级标注，类别至少含活螺、死螺、非目标螺类、遮挡状态，最小标注尺寸≥8×8像素并记录难例标记；将人工与视频采集数据整合去重后形成第一数据库，建立标注规范手册，采用双人交叉复核≥10%的样本且cohen’skappa≥0.8。

7、优选的，所述s2数据采集的可用数据定点标注子步骤具体为：在模拟训练场地规划出螺类识别率较高的区域并进行统一马克笔标注，对该区域开展人工与视频全采集，整合形成第二数据库；利用综合模式的环境调优模块划分的不同实验环境，对标注区域数据对比采集，形成按“温湿度-植被盖度-螺类密度”关联分类的第三数据库。

8、优选的，所述s2数据采集的数据整体采集子步骤具体为：以第一、第二、第三数据库为基础，进行螺类物范围识别，修正排除标准为“体长<3mm且无螺层纹理的杂质；3-5mm有螺层纹理的为幼螺单独分类标注”，新增“成螺（>5mm）/幼螺（3-5mm）”类别，排除壳色灰暗且壳口张开超24h的死亡个体及上述杂质，形成第四数据库并同步生成难例索引。

9、优选的，所述s3数据整合具体为：将s2采集的数据库按采集环境分类，采用感知哈希（phash）+ssim+orb特征综合阈值策略去重，通过freak算法、java图片比对算法结合iv2-g300ca传感头进行查重整合，形成可用图片数据库；对动图数据二次筛选形成可用动图数据库；将遗弃数据分类抓包形成对比数据库一，保留环境一致的“负样本”与近似螺；结合新采集样本数据形成对比数据库二，其定期与对比数据库一反向对比融合，数据库学习时段设定为20-25℃的16:00-18:00。

10、优选的，所述s4模型初步构建与数据比对模式具体为：融合新数据至可用数据库与对比数据库，形成至少十个对比案例，与对比数据库进行ai图像识别对比并输出识别率前三的样品数据；模型训练采用yolov8框架，辅以640×640切片尺寸、250%重叠率的切片推理、多尺度训练、焦点损失策略，推理阶段采用加权框融合（wbf），输出map@0.5与ap_small指标。

11、优选的，所述s5模型预判开发的资源比对子步骤具体为：按s1-s4的比对原则实验比对，对60%-95%相同率的图片取样整备，选取90%-100%相同率数据的前三类目展示；对取样数据进行特征抓取并通过方格状、圆网状切割采样生成新对比资源，纳入对比数据库二；对低置信度结果采用0.2–0.4阈值的伪标签审阅，人工校正后增量重训，难例以2–3倍采样权重加入难例池。

12、优选的，所述s5模型预判开发的资源数据库学习子步骤具体为：系统睡眠时依据固定时间差设定学习时间，通过视频采样生成反对比数据，与各数据库排查后分类整合形成新对比类目；离线增量学习采用冻结主干+微调检测头策略，学习率≤原始1/10，以验证集早停（patience15–30）防止灾难性遗忘；废弃资源淘汰模式将对比度、重合度低于10%的资源列入淘汰库三十天，无分类的经人工筛查后归档，模糊无法识别的数据直接剔除，淘汰前对样本尝试恢复，质量不达标则剔除。

13、优选的，所述训练场地环境色度调优模块通过在灯罩加装不同有色透明滤纸改变光色谱，观察螺类移动情况；对移动率较高的光色进行小区域散射并二次观察；检测拍摄优先使用均匀白光或近红外光，色光干预仅用于行为对比时段，不与训练/推理混用；在s1场地构建中，通过苔藓、水流泵、风机模拟螺类适宜与不适宜生长环境，结合全光谱led、uvb光谱及多种食物，优化螺类饲养参数；选取变异螺类进行数据抓取与选育交配，形成多种数据库分类，且以表型区分为主避免新增繁育实验。

14、（三）有益效果

15、与现有技术相比，本发明提供了一种面向实验室模拟野外生境的螺类视觉小目标检测系统，具备以下有益效果：

16、（1）通过s1：场地环境构建-s2：数据采集-s3：数据整合-s4：模型初步构建与数据比对模式-s5：模型预判开发，形成螺类检测过程中的识别、对比、整合、学习、筛分数据库的作用，在实验室模拟野外微环境（温度15-25℃、湿度>60%、日间照度 500-1000 lx，夜间关闭可见光，850 nm 近红外补光）下，再根据实验对比模块的参数对比，实现实验室模拟生境下钉螺的高精度识别、分类（活螺 / 死螺、成螺 / 幼螺）与密度估算，为血吸虫病防控中的螺情监测提供标准化数据支撑”。