基于机器学习的黄蜂迁移预测方法、系统、设备和介质

技术特征：
1.一种基于机器学习的黄蜂迁移预测方法，其特征在于，包括步骤：获取目标地区的气候数据和历史报告数据；所述气候数据包括所述目标地区的温度数据和湿度数据，所述历史报告数据包括所述目标地区内各地点报告的疑似大黄蜂图像；利用检测和分类系统对所述历史报告数据进行大黄蜂检测，将识别为大黄蜂的黄蜂图像添加至黄蜂数据集；将所述气候数据和所述黄蜂数据集输入构建的蜂后迁移预测模型，输出所述目标地区预测的黄蜂分布地图并计算地图区域的黄蜂值；其中，所述蜂后迁移预测模型基于蒙特卡罗计算构建，所述蜂后迁移预测模型中设定蜂后向适合黄蜂生存的方向移动的概率最大且每个蜂巢中蜂后数量受环境随机因子约束，所述黄蜂值用于指示大黄蜂出现相应地区的概率。2.根据权利要求1所述的基于机器学习的黄蜂迁移预测方法，其特征在于，利用检测和分类系统对所述历史报告数据进行大黄蜂检测的过程，包括：利用单镜头多盒检测器对所述历史报告数据进行目标检测，识别并分割出包含昆虫的检测图像；利用训练好的半监督支持向量机对所述检测图像进行分类，输出识别为大黄蜂的黄蜂图像。3.根据权利要求2所述的基于机器学习的黄蜂迁移预测方法，其特征在于，利用检测和分类系统对所述历史报告数据进行大黄蜂检测的过程，还包括：将未检测到昆虫的所述历史报告数据输出至手动操作端；获取所述手动操作端返回的手动检测结果；所述手动检测结果为包含大黄蜂的检测图像或不包含大黄蜂的无效图像。4.根据权利要求2或3所述的基于机器学习的黄蜂迁移预测方法，其特征在于，利用训练好的半监督支持向量机对所述检测图像进行分类的过程，还包括：将所述半监督支持向量机对所述检测图像分类得到的黄蜂图像输出至手动操作端；获取所述手动操作端返回的检查结果；所述检查结果用于指示所述黄蜂图像上的昆虫为大黄蜂或非大黄蜂。5.根据权利要求2所述的基于机器学习的黄蜂迁移预测方法，其特征在于，所述半监督支持向量机在训练过程中引入核函数。6.根据权利要求2或5所述的基于机器学习的黄蜂迁移预测方法，其特征在于，所述半监督支持向量机的训练过程中，包括：采用定向梯度直方图方法对输入图像进行特征提取；采用主成分分析法对提取的特征向量进行降维处理。7.一种基于机器学习的黄蜂迁移预测系统，其特征在于，包括：数据获取模块，用于获取目标地区的气候数据和历史报告数据；所述气候数据包括所述目标地区的温度数据和湿度数据，所述历史报告数据包括所述目标地区内各地点报告的疑似大黄蜂图像；检测分类模块，用于利用检测和分类系统对所述历史报告数据进行大黄蜂检测，将识别为大黄蜂的黄蜂图像添加至黄蜂数据集；预测输出模块，用于将所述气候数据和所述黄蜂数据集输入构建的蜂后迁移预测模
型，输出所述目标地区预测的黄蜂分布地图并计算地图区域的黄蜂值；其中，所述蜂后迁移预测模型基于蒙特卡罗计算构建，所述蜂后迁移预测模型中设定蜂后向适合黄蜂生存的方向移动的概率最大且每个蜂巢中蜂后数量受环境随机因子约束，所述黄蜂值用于指示大黄蜂出现相应地区的概率。8.根据权利要求7所述的基于机器学习的黄蜂迁移预测系统，其特征在于，所述检测和分类系统包括单镜头多盒检测器和分类器；分类器为半监督支持向量机；所述单镜头多盒检测器用于对所述历史报告数据进行目标检测，识别并分割出包含昆虫的检测图像；所述分类器用于对所述检测图像进行分类，输出识别为大黄蜂的黄蜂图像。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的基于机器学习的黄蜂迁移预测方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的基于机器学习的黄蜂迁移预测方法的步骤。

技术总结
本申请涉及基于机器学习的黄蜂迁移预测方法、系统、设备和介质，方法包括：获取目标地区的气候数据和历史报告数据；利用检测和分类系统对历史报告数据进行大黄蜂检测，将识别为大黄蜂的黄蜂图像添加至黄蜂数据集；将气候数据和黄蜂数据集输入构建的蜂后迁移预测模型，输出目标地区预测的黄蜂分布地图并计算地图区域的黄蜂值。气候数据包括目标地区的温度数据和湿度数据，历史报告数据包括目标地区内各地点报告的疑似大黄蜂图像。蜂后迁移预测模型基于蒙特卡罗计算构建，模型中设定蜂后向适合黄蜂生存的方向移动的概率最大且每个蜂巢中蜂后数量受环境随机因子约束，黄蜂值用于指示大黄蜂出现相应地区的概率。黄蜂迁移预测性能较强。较强。较强。


技术研发人员：龙汉 郭云霄 赵润豪 谢欣嘉 冯凯源 尹江婷 盖顺 周尚德 喻钟意 许英龙
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：2022.03.21
技术公布日：2022/7/9