买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工程大学;黑龙江省农垦科学院申请的专利一种基于深度学习的昆虫目标检测方法、系统及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116682016B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310697620.4，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的昆虫目标检测方法、系统及设备是由刘野;任志鹏;黄少滨;李熔盛设计研发完成，并于2023-06-13向国家知识产权局提交的专利申请。

本一种基于深度学习的昆虫目标检测方法、系统及设备在说明书摘要公布了：一种基于深度学习的昆虫目标检测方法、系统及设备，它属于人工智能领域。本发明解决了现有昆虫目标检测领域图像数据稀缺，且昆虫图像数据获取代价、标注代价高的问题。本发明采取的技术方案为：获取单目标昆虫标本图像数据集；获取自然环境背景图像数据集；利用单目标昆虫标本图像数据集和自然环境背景图像数据集构建昆虫目标检测数据集；利用构建的数据集训练昆虫目标检测模型；根据模型反馈继续扩充数据集，使用扩充后的数据集继续训练模型，循环往复直至模型性能不再提升。本发明方法可以应用于昆虫目标检测领域。

本发明授权一种基于深度学习的昆虫目标检测方法、系统及设备在权利要求书中公布了：1.一种基于深度学习的昆虫目标检测方法，其特征在于，所述方法具体包括以下步骤：步骤1、获取单目标昆虫标本图像数据集，且每张单目标昆虫标本图像均具有种类标签；分别对数据集中的每张单目标昆虫标本图像进行处理，得到每张标本图像中的昆虫主体图像；具体为：步骤1.1：对于数据集中的任意一张单目标昆虫标本图像，分别使用Roberts算子、Prewitt算子、Sobel算子、Canny算子和Laplacian算子对该张单目标昆虫标本图像进行边缘检测，以获取每个算子对应的边缘检测后图像；步骤1.2：将步骤1.1中各个算子对应的边缘检测后图像与边缘检测前的单目标昆虫标本图像进行组合，得到组合后的图像；步骤1.3：将步骤1.2中组合后的图像输入到DeepLab-v3语义分割神经网络中，通过DeepLab-v3语义分割神经网络输出对昆虫的轮廓定位结果；步骤1.4：根据步骤1.3中获取到的昆虫轮廓为该张单目标昆虫标本图像去除背景，获取到仅包含昆虫主体的昆虫主体图像；步骤1.5：重复步骤1.1至步骤1.4的过程，分别对数据集中的每张单目标昆虫标本图像进行处理，得到每张标本图像中的昆虫主体图像；步骤2、获取昆虫野外生存环境背景图像数据集；步骤3、基于步骤1和步骤2获得的图像构造昆虫目标检测数据集，并将构造的昆虫目标检测数据集划分为训练集和测试集两部分；所述步骤3的具体过程为：步骤3.1、从步骤1获取的昆虫主体图像中随机选择出N张昆虫主体图像，再对选择出的图像进行预处理，获得预处理后的图像；步骤3.2、从步骤2获取的图像数据集中随机选取出一张昆虫野外生存环境背景图像；步骤3.3、将步骤3.1中预处理后的图像插入到选取的昆虫野外生存环境背景图像中；步骤3.4、对步骤3.3中所得的图像进行位置和类别标注；步骤3.5、重复步骤3.1到步骤3.4的过程，直至达到设置的最大迭代次数时停止，获得昆虫目标检测数据集；步骤3.6、将获得的昆虫目标检测数据集随机划分为训练集和测试集两部分；步骤4、构建昆虫目标检测模型，利用训练集对构建的昆虫目标检测模型进行训练；步骤5、利用测试集对步骤4训练后的昆虫目标检测模型进行测试，并根据测试结果扩充训练集数据，扩充后再返回步骤4进行训练；直至昆虫目标检测模型在测试集上的检测性能不再提升时，获得训练好的昆虫目标检测模型；利用训练好的昆虫目标检测模型对待检测图像进行昆虫目标检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学;黑龙江省农垦科学院，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。