基于大数据的智能动植物识别方法及系统与流程

本发明涉及动植物识别，更具体地说，本发明涉及一种基于大数据的智能动植物识别方法及系统。

背景技术：

1、随着现代旅游业的迅速发展，自然景区成为人们放松身心、亲近自然的重要去处；自然景区的旅游活动形式丰富多样，包括生态观光、动植物观察、自然教育等多种形式，广受游客的青睐；在自然景区游览过程中，游客常常会遇到各种各样的动植物，识别和了解这些动植物不仅能够增加旅游的趣味性，还能扩大游客对自然事物的认知；然而，传统的户外旅游往往依赖导游进行动植物讲解，虽然这种方式能够提供详细的动植物知识，但由于导游资源有限，并且导游讲解的时间和范围也受到限制，难以满足所有游客的需求；因此，提供能够在脱离导游讲解的情况下，实现对动植物识别的系统就显得尤为重要。

2、目前，缺乏针对动植物智能识别的方法或系统，虽存在部分相关的技术文献，例如授权公开号为cn106776675b的专利公开了一种基于移动终端的植物识别方法及系统，该发明通过将特征数据与植物数据库中的数据进行比对，实现了对植物的识别；但对上述方法以及现有技术进行研究和实际应用发现，上述方法以及现有技术至少存在以下部分缺陷：

3、（1）受制于植物数据库中的数据体量，若数据体量过少，则导致识别精度较低，或无法识别，若数据体量过大，则导致识别速度较低；而对于现有动植物识别模型而言，也同样如此，若训练数据体量过少，则导致模型识别精度不够，若训练数据体量过大，则导致模型训练周期长，且不易部署于移动终端；

4、（2）无法根据识别结果获取对应动植物的相关介绍，使得在脱离导游讲解的情况下，用户无法实时地了解被识别出的动植物的相关知识，进一步地，难以进一步扩大游客对自然事物的认知，不能提高用户在旅游过程中的趣味性。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种基于大数据的智能动植物识别方法及系统。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于大数据的智能动植物识别方法，所述方法包括：

4、获取待识别动植物的全景图像，分离出全景图像中的目标主体，以图像形式将目标主体输入预先训练好的种属检测模型中进行初步识别，以确定目标主体的所属种属类型；

5、根据所属种属类型获取目标主体的独有特殊特征集，根据所属种属类型获取参考图像集，并根据独有特殊特征集和参考图像集对目标主体进行次轮识别，以确定目标主体的所属品种或亚种类型；其中，所述参考图像集中包括s个参考图像，s为大于零的整数；

6、将目标主体的所属品种或亚种类型输入预构建的动植物知识图谱中，以解析出目标主体的介绍信息。

7、进一步地，所述分离出全景图像中的目标主体，包括：

8、利用高斯滤波器对灰度化处理后的全景图像进行滤波处理，并采用直方图均衡化方法对滤波处理后的全景图像进行图像增强，得到改善后的全景图像；

9、利用k-means聚类算法对改善后的全景图像进行像素点区分，将像素点聚类形式的区域作为候选区域，得到n个候选区域；

10、计算每个候选区域的质心坐标，以及计算全景图像的中心点坐标，将中心点坐标作为参考坐标；

11、将每个候选区域的质心坐标到参考坐标的距离作为质心距离，得到q个质心距离，q为大于零的整数；

12、按数值从小到大，对q个质心距离进行排序，将质心距离排序第一对应的候选区域作为最佳候选区域；

13、获取最佳候选区域的像素面积，若像素面积大于等于预设像素面积阈值，则将最佳候选区域作为目标主体。

14、进一步地，若像素面积小于预设像素面积阈值，则输出预设显示内容进行反馈；其中，所述预设显示内容为“请重新拍摄”的字样。

15、进一步地，所述预先训练好的种属检测模型的训练逻辑如下：

16、获取历史种属类型训练数据，将历史种属类型训练数据划分为种属类型训练集和种属类型测试集；所述历史种属类型训练数据中包含多幅图像形式的目标主体及其对应种属类型的标注标签；

17、构建分类器，将种属类型训练集中图像形式的目标主体作为分类器的输入数据，以及将种属类型训练集中种属类型的标注标签作为分类器的输出数据，对分类器进行训练，得到初始分类网络；

18、利用种属类型测试集对初始分类网络进行模型验证，输出大于等于预设测试准确度阈值的初始分类网络作为种属检测模型。

19、进一步地，所述独有特殊特征集根据种属类型和独有特殊特征集的预设关系获取；所述参考图像集根据种属类型和参考图像集的映射关系获取；其中，所述参考图像集中的每幅参考图像均被标注对应的品种或亚种类型。

20、进一步地，所述对目标主体进行次轮识别，包括：

21、a1：提取参考图像集中的第j幅参考图像，j为大于零的整数；

22、a2：提取目标主体的对应独有特殊特征集，根据对应独有特殊特征集中的r个特征项，分别提取第j幅参考图像和目标主体中每个特征项的特征向量；

23、a3：对第j幅参考图像和目标主体中相同特征项的特征向量进行特征比较，计算每个相同特征项的特征向量的余弦相似度，得到相似度系数；其中，相似度系数的具体计算公式为：；式中：为相似度系数，为第j幅参考图像中第个特征项的特征向量，为目标主体中第个特征项的特征向量，为范数，为特征项总数；

24、a4：判断相似度系数是否大于等于预设相似度系数阈值，若是，则将提取对应第j幅参考图像的标注标签，并将对应第j幅参考图像的标注标签作为目标主体的所属品种或亚种类型；若否，则令j=j+1，并返回步骤a1；

25、a5：重复上述步骤a1～a4，直至j=s时，结束循环，得到目标主体的所属品种或亚种类型。

26、进一步地，所述动植物知识图谱的构建过程如下：

27、抽取构建动植物知识图谱所需的知识数据；所述知识数据包括文本实体、文本实体的关系、文本实体的属性和属性值；

28、根据预定义实体之间的关系对文本实体之间进行关联绑定，构建包含〈实体，关系，实体〉的三元组，

29、以及根据预定义的实体属性对文本实体、进行关联绑定，构建包含〈实体，属性，属性值〉的三元组；

30、根据〈实体，关系，实体〉和〈实体，属性，属性值〉的三元组，将文本实体和图像实体作为知识图谱中的节点，将实体之间的关系和属性作为图谱中节点之间的边，得到动植物知识图谱。

31、进一步地，所述抽取构建动植物知识图谱所需的知识数据，包括：

32、b1：提取动植物原始数据中的文本数据，并提取文本数据中的每个文本段；

33、b2：按文本段先后顺序对每个文本段进行分词处理，去除无实义的字词和符号，并对每个词组进行词性标注，得到词组集，所述词组集中包含u个词组；

34、b3：提取词组集中的名词性词组，将名词性词组输入预设的动植物关键词库中进行遍历，若遍历结果输出对应的关键词，则将对应的主语或宾语作为动植物知识图谱所需的文本实体；若遍历结果输出空集，则返回步骤b2执行下一文本段；

35、b4：获取已被识别为文本实体的词组以及词组数量l，并对词组集中已被识别为文本实体的词组进行剔除，得到u-l个词组，u为大于零的整数；

36、b5：根据预定义实体之间的关系，判断u-l个词组中是否存在关系词性的词组，若存在，则抽取对应关系词性的词组作为文本实体的关系；若不存在，则根据预定义的实体属性，判断u-l个词组中是否存在为属性词性的词组，若存在，则抽取对应属性词性的词组作为文本实体的属性，并，若不在，则返回步骤b2执行下一文本段；

37、b6：根据文本实体的属性获取对应的正则表达式规则，并根据对应的正则表达式规则，提取词组集中与文本实体的属性相匹配的属性值。

38、一种基于大数据的智能动植物识别系统，包括：

39、第一识别模块，用于获取待识别动植物的全景图像，分离出全景图像中的目标主体，以图像形式将目标主体输入预先训练好的种属检测模型中进行初步识别，以确定目标主体的所属种属类型；

40、第二识别模块，用于根据所属种属类型获取目标主体的独有特殊特征集，根据所属种属类型获取参考图像集，并根据独有特殊特征集和参考图像集对目标主体进行次轮识别，以确定目标主体的所属品种或亚种类型；其中，所述参考图像集中包括s个参考图像，s为大于零的整数；

41、信息反馈模块，用于将目标主体的所属品种或亚种类型输入预构建的动植物知识图谱中，以解析出目标主体的介绍信息。

42、相比于现有技术，本发明的有益效果在于：

43、本技术公开了一种基于大数据的智能动植物识别方法及系统，包括：分离出全景图像中的目标主体，以图像形式将目标主体输入预先训练好的种属检测模型中进行初步识别，以确定目标主体的所属种属类型；根据所属种属类型获取目标主体的独有特殊特征集，根据所属种属类型获取参考图像集，并根据独有特殊特征集和参考图像集对目标主体进行次轮识别，以确定目标主体的所属品种或亚种类型；将目标主体的所属品种或亚种类型输入预构建的动植物知识图谱中，以解析出目标主体的介绍信息；基于上述特征，本发明能克服现有通过植物数据库比对方式和单一模型识别方式的缺点，有利于快速高精度地识别出动植物类型；此外，通过构建动植物知识图谱，本发明能在脱离导游讲解的情况下，让用户实时地了解被识别出的动植物的相关知识，进一步地，有利于进一步扩大游客对自然事物的认知，提高用户在旅游过程中的趣味性。