申请/专利权人:中国农业科学院植物保护研究所
申请日:2024-01-30
公开(公告)日:2024-04-26
公开(公告)号:CN117934955A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06V10/44;G06N3/08;A01M1/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供一种基于卷积神经网络的空中诱捕昆虫识别方法及系统,所述方法包括步骤1:制作灯下昆虫图像的数据集;步骤2:对数据集进行预处理,并划分为训练集、验证集和测试集;步骤3:生成标注文件;步骤4:基于YOLOV8构建昆虫识别分类模型,用训练集进行训练;步骤5:对训练好的昆虫识别分类模型,通过验证集进行验证,并通过测试集进行测试;步骤6:使用通过测试的昆虫识别分类模型进行高空灯诱捕昆虫分类识别。本发明对传统卷积块注意力模块进行改进,增加特征注意力模块;基于YOLOV8构建昆虫识别分类模型,将改进的卷积块注意力模块CBAMI嵌入C2f模块中,解决了近缘种昆虫因形状、颜色和纹理等多种特征相似而导致识别准确率低的问题。
主权项:1.一种基于卷积神经网络的空中诱捕昆虫识别方法,包括:步骤1:采集高空灯诱捕昆虫图像,制作灯下昆虫图像的数据集;步骤2:对数据集进行预处理,并将预处理后的数据集划分为训练集、验证集和测试集;步骤3:使用目标标注工具对训练集中的昆虫图像中的昆虫进行标注,生成标注文件;其特征在于:还包括:步骤4:基于YOLOV8构建昆虫识别分类模型,并使用训练集对其进行训练;步骤5:对训练好的昆虫识别分类模型,通过验证集进行验证,并通过测试集进行测试;步骤6:使用通过测试的昆虫识别分类模型进行高空灯诱捕昆虫分类识别。
全文数据:
权利要求:
百度查询: 中国农业科学院植物保护研究所 基于卷积神经网络的空中诱捕昆虫识别方法及系统
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。