马铃薯害虫图像识别方法及装置

本发明涉及图像处理，尤其涉及一种马铃薯害虫图像识别方法及装置。

背景技术：

1、随着农业发展不断工业化、信息化，针对农业所出现的问题也在改善，从人工化向着逐步自动化、科技化的方向发展。计算机图像识别技术的不断深入，图像识别技术在农业上已有了较大的进展，并且渗透到了农业的各个领域。因此如何自动检测与识别农业害虫，精确获取农作物所受虫害的害虫种类是保证农业生产及发展的重要环节。

2、现有的方法中目标检测常用yolov4模型，但是yolov4模型用于对马铃薯害虫图像识别的过程中，无法实现迅速高效的且十分精确可靠的去自动完成其对马铃薯害虫图像特征信息的快速识别，导致马铃薯害虫识别准确率不高。

技术实现思路

1、本发明提供一种马铃薯害虫图像识别方法及装置，用以提升马铃薯害虫图像识别准确率。

2、本发明提供一种马铃薯害虫图像识别方法，包括：

3、获取待检测马铃薯害虫图像；

4、将所述待检测马铃薯害虫图像输入目标检测模型，得到所述目标检测模型输出的所述待检测马铃薯害虫图像的马铃薯害虫识别结果，所述目标检测模型是基于马铃薯害虫样本图像及其对应的马铃薯害虫类别标签训练得到的；

5、其中，所述目标检测模型的构建过程包括：

6、将深度残差网络resnet-50作为yolov4的主干网络，得到改进后的yolov4网络；

7、在所述改进后的yolov4网络中增加双通道注意力机制模块，得到所述目标检测模型。

8、根据本发明提供的一种马铃薯害虫图像识别方法，在所述改进后的yolov4网络中增加双通道注意力机制模块，得到所述目标检测模型，包括：

9、将通道注意力模块添加至所述改进后的yolov4网络的输入层与所述改进后的yolov4网络的特征层之间，并将空间注意力模块添加至所述通道注意力模块与所述改进后的yolov4网络的特征层之间，得到所述目标检测模型，所述双通道注意力机制模块包括通道注意力模块以及空间注意力模块。

10、根据本发明提供的一种马铃薯害虫图像识别方法，所述目标检测模型的训练方法，包括：

11、从马铃薯害虫图片库中划分验证集以及测试集；

12、基于所述验证集中的马铃薯害虫样本图像及其对应的马铃薯害虫类别标签，对初始目标检测模型进行训练，得到预训练后的目标检测模型；

13、基于测试集，对所述预训练后的目标检测模型进行测试，确定所述预训练后的目标检测模型的识别率大于预设识别率阈值，得到所述目标检测模型。

14、根据本发明提供的一种马铃薯害虫图像识别方法，所述得到所述目标检测模型之后，还包括：

15、基于iou算法，确定所述目标检测模型的模型损失，并确定所述目标检测模型的模型损失小于预设损失阈值。

16、根据本发明提供的一种马铃薯害虫图像识别方法，所述基于iou算法，确定所述目标检测模型的模型损失，进一步包括：

17、在确定所述目标检测模型的模型损失大于等于所述预设损失阈值的情况下，对所述目标检测模型的参数进行调整，以使所述目标检测模型的模型损失小于所述预设损失阈值。

18、根据本发明提供的一种马铃薯害虫图像识别方法，所述将所述待检测马铃薯害虫图像输入目标检测模型之前，还包括：

19、对所述待检测马铃薯害虫图像进行纹理特征提取，得到害虫纹理特征；

20、基于对比度增强，对所述害虫纹理特征进行增强，得到害虫纹理特征增强后的待检测马铃薯害虫图像。

21、本发明还提供一种马铃薯害虫图像识别装置，包括：

22、图像获取模块，用于获取待检测马铃薯害虫图像；

23、目标检测模块，用于将所述待检测马铃薯害虫图像输入目标检测模型，得到所述目标检测模型输出的所述待检测马铃薯害虫图像的马铃薯害虫识别结果，所述目标检测模型是基于马铃薯害虫样本图像及其对应的马铃薯害虫类别标签训练得到的；

24、其中，所述目标检测模型的构建过程包括：

25、将深度残差网络resnet-50作为yolov4的主干网络，得到改进后的yolov4网络；

26、在所述改进后的yolov4网络中增加双通道注意力机制模块，得到所述目标检测模型。

27、本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述马铃薯害虫图像识别方法。

28、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述马铃薯害虫图像识别方法。

29、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述马铃薯害虫图像识别方法。

30、本发明提供的马铃薯害虫图像识别方法及装置，通过在保证yolov4整体结构特性的前提基础下，使用功能更加成熟高效的resnet-50作为其主干网络，同时加入cbam双通道注意力机制模块,可以更加有效地使整个目标检测模型保持关注当前模型所检测到的目标，提高目标的检测及识别的效果，并同时能够实时根据待检测图像的检测和识别的效率差异度和图像识别的复杂度，调整对待检测图像中所采用到的多维尺度特征图进行组合，尽可能地保证待检测马铃薯害虫图像的检测数据的真实准确度，提升了模型识别的总体效率,并对模型进行了优化和精简。

技术特征：

1.一种马铃薯害虫图像识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的马铃薯害虫图像识别方法，其特征在于，所述在所述改进后的yolov4网络中增加双通道注意力机制模块，得到所述目标检测模型，包括：

3.根据权利要求1所述的马铃薯害虫图像识别方法，其特征在于，所述目标检测模型的训练方法，包括：

4.根据权利要求3所述的马铃薯害虫图像识别方法，其特征在于，所述得到所述目标检测模型之后，还包括：

5.根据权利要求4所述的马铃薯害虫图像识别方法，其特征在于，所述基于iou算法，确定所述目标检测模型的模型损失，进一步包括：

6.根据权利要求1所述的马铃薯害虫图像识别方法，其特征在于，所述将所述待检测马铃薯害虫图像输入目标检测模型之前，还包括：

7.一种马铃薯害虫图像识别装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述马铃薯害虫图像识别方法。

9.一种非暂态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如权利要求1至6任一项所述马铃薯害虫图像识别方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述马铃薯害虫图像识别方法。

技术总结本发明提供一种马铃薯害虫图像识别方法及装置，其中方法包括：获取待检测马铃薯害虫图像；将待检测马铃薯害虫图像输入目标检测模型，得到目标检测模型输出的马铃薯害虫识别结果；目标检测模型的构建过程包括：将ResNet‑50作为YOLOv4的主干网络，得到改进后的YOLOv4网络；在所述改进后的YOLOv4网络中增加双通道注意力机制模块，得到目标检测模型。本发明提供的马铃薯害虫图像识别方法及装置，通过在保证YOLOv4整体结构特性的前提基础下，使用功能更加成熟高效的ResNet‑50作为其主干网络，同时加入CBAM双通道注意力机制模块，提升识别的效率以及准确率。技术研发人员：陶震宇,张金梦,胡雁翔,刘新,平阳,周艳,谭雅蓉,于金莹受保护的技术使用者：北京市农林科学院技术研发日：技术公布日：2024/8/20