申请/专利权人：长江大学

申请日：2023-12-13

公开（公告）日：2024-03-15

公开（公告）号：CN117711061A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06V20/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明涉及一种非入侵式分析瓢虫爬行步距步速步频的测算方法，属昆虫爬行行为分析技术领域。该非入侵式分析瓢虫爬行步距步速步频的测算方法采用efficientnet‑b0神经网络相较于其他神经网络，具有识别速度快、识别准确率高、模型抗干扰能力强等优点；通过efficientnet‑b0神经网络分析所拍摄的瓢虫爬行时的图像数据中所标注各个关节点的坐标值，并只取识别率在90%以上的坐标数据进行步距计算偏差小、简单快捷。

主权项：1.一种非入侵式分析瓢虫爬行步距步速步频的测算方法，其特征在于：所述的该测算方法，包括以下步骤：1、准备高清摄像设备、培养皿和瓢虫，通过高清摄像设备获取培养皿中瓢虫腹面的视频数据：2、对获取到的瓢虫腹面视频数据进行人工筛选，人工筛选出能清晰看到瓢虫6个足部的视频数据；3）、从筛选后的视频数据中选取一部分视频数据，分析该段视频数据的关键帧，将该视频数据的关键帧中待检测的瓢虫关节点人工标注，将标注后的关键帧输入神经网络模型进行训练学习；4）、神经网络模型训练学习后，将另外一部分视频数据导入至神经网络模型中，神经网络模型对视频数据的关键帧进行评测分析，得到连续的瓢虫关节点的坐标数据；5）、将视频中的瓢虫关节点的坐标数据使用csv表格进行存储；csv表格存储的值为每帧每一个足部对应的三个值，这三个值分别是该足部的x轴，y轴坐标值，以及系统判定的数据精确拟合度；取数据精确拟合度0.9以上对应每帧每一个足部的x轴，y轴坐标值，根据值的差距，选取落脚点,便于后期计算瓢虫单个足部步距；6）、统计csv表格中瓢虫每帧每一个足部落脚点x轴，y轴坐标值，通过两点之间的距离公式计算出瓢虫各个足部相邻两个落脚点之间的像素距离，两点之间的距离公式为：∣AB∣=√[x1－x2²+y1－y2²]式中（x1，y1）为第一次落脚点的坐标位置；式中（x2，y2）为第二次落脚点的坐标位置；式中∣AB∣为瓢虫单个足部两次落脚点的像素间距；7）、得到瓢虫各个足部两次落脚点的像素间距后，通过测量待检测瓢虫的总长除以瓢虫所占的像素数量，得出单个像素的实际长度，将单个像素的实际长度与像素间距相乘即可得到得到瓢虫单个足部两次落脚点的步距；8）、通过csv表格中瓢虫相邻腹部的坐标数据结合两点之间的距离公式计算出单位时间内腹部标记点的移动速度，该速度作为瓢虫整个躯体的速度，即可得到瓢虫的步速；9）、通过csv表格统计出单位时间里面瓢虫足部移动的次数，即可得到瓢虫的步频。

全文数据：

权利要求：

百度查询： 长江大学 一种非入侵式分析瓢虫爬行步距步速步频的测算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD