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！

申请/专利权人：广西民族大学

摘要：本发明涉及养殖技术领域，尤其是一种基于深度学习的桑蚕检测方法，包括下述步骤，采集蚕场中饲养蚕的总体图像，且对所述总体图像中饲养蚕的位置信息及类别信息进行标记；获取每一饲养蚕的位置对应的区域图像，且在所述区域图像中标注对应的位置信息及类别信息；将所述区域图像的尺寸修改为统一像素后获得信息图像，将所述信息图像构建蚕数据集，且将所述蚕数据集划分为训练集及测试集；基于YOLOv4算法建立蚕检测模型，将所述训练集的信息图像输入至所述蚕检测模型进行训练，以获得训练模型；将测试集的信息图像输入至所述训练模型，以识别饲养蚕所在位置及数量。本发明能够自动检测饲养蚕所在位置和数量，以便于后续自动化养殖的开展。

主权项：1.一种基于深度学习的桑蚕检测方法，其特征在于，包括下述步骤，S1、采集蚕场中饲养蚕的总体图像，且对所述总体图像中饲养蚕的位置信息及类别信息进行标记；S2、获取每一所述饲养蚕的位置对应的区域图像，且在所述区域图像中标注对应的位置信息及类别信息；S3、将所述区域图像的尺寸修改为统一像素后获得信息图像，将所述信息图像构建蚕数据集，且将所述蚕数据集划分为训练集及测试集；S4、基于YOLOv4算法建立蚕检测模型，将所述训练集的信息图像输入至所述蚕检测模型进行训练，以获得训练模型；S5、将所述测试集的信息图像输入至所述训练模型，获得所述训练模型的预测结果，以识别饲养蚕所在位置及数量；所述蚕检测模型包括主干特征提取网络、金字塔池化结构及特征融合层，所述主干特征提取网络将输入的3通道图像通过卷积化输出16通道图像，且将所述16通道图像分别通过3×3及5×5的深度可分离卷积层进行提取图像特征，以获得特征图像；所述金字塔池化结构用于所述特征图像的最大池化处理，以获得显著特征图像；所述特征融合层用于通过所述特征图像与所述显著特征图像进行特征融合获得检测头，将所述检测头的预测层所获得的锚框与K-means算法所获得的锚框相结合，对实际图片中的所述锚框的位置及所述锚框的高宽进行调整，且删除预测评分值低于设置标准值的锚框，以获得预测锚框，通过非极大值抑制NMS将所述预测锚框进行结合，以获得预测结果；在步骤S3中，所述信息图像的像素为416×416；所述主干特征提取网络的特征图像获取步骤为：A1、将416×416像素3通道的416,416,3图片进行1×1×16卷积始化，以获得416,416,16图片，将所述416,416,16图片通过3×3卷积标准化后进行激活函数计算，以获得208,208,16图片；A2、将所述208,208,16图片分别输入3×3及5×5的深度可分离卷积层进行图像特征的提取，以输出像素为13×13、26×26、52×52的所述特征图像，且所述特征图像分别为13×13像素160通道的13,13,160图片、26×26像素112通道的26,26,112图片、52×52像素40通道的52,52,40图片；所述金字塔池化结构的显著特征图像获取步骤为：将所述13,13,160图片通过四种不同大小的1、5、9、11的卷积核进行最大池化层融合图像特征，以获得的13,13,160池化特征图片为所述显著特征图像；所述特征融合层的预测步骤为：B1、将所述13,13,160池化特征图片进行上采样，以获得26,26,160图片及52,52,160图片，将所述26,26,160图片及所述52,52,160图片与所述26,26,112图片及52,52,40图片依次进行特征相加、上采样、卷积计算获得像素为52,52特征图片及26,26特征图片，且将较大像素的所述52,52特征图片作为大尺寸检测头；B2、将所述52,52特征图片进行下采样后与所述26,26特征图片进行卷积计算及特征融合，以获得26,26卷积特征图片为中尺寸检测头；B3、将所述13,13,160池化特征图片与所述26,26卷积特征图片进行下采样后的特征图片进行特征相加及卷积计算，以获得13,13特征图片作为小尺寸检测头；B4、将所述大尺寸检测头、所述中尺寸检测头及所述小尺寸检测头的预测层所获得的锚框与K-means算法所获得的锚框相结合，对实际图片中的所述锚框的位置及所述锚框的高宽进行调整，且删除预测评分值低于设置标准值的锚框，以获得所述大尺寸检测头、所述中尺寸检测头及所述小尺寸检测头的预测层的预测锚框，通过非极大值抑制NMS将所述大尺寸检测头、所述中尺寸检测头及所述小尺寸检测头的所述预测锚框进行结合，以获得预测结果；在步骤A1中，所述416,416,16图片通过图片卷积标准化进行3×3卷积标准化，其中，所述图片卷积标准化公式为： 公式（1）式中，I输出图片尺寸，W为输入图片尺寸，F为卷积核大小，P为填充值，S为步长；所述激活函数为： 公式（2）式中，为函数输入，为调整斜率常数，ReLU6的表达式为minmax0,x,6。

全文数据：

权利要求：

百度查询： 广西民族大学 一种基于深度学习的桑蚕检测方法