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：南通职业大学

摘要：本发明公开了一种基于轻量级卷积神经网络的金蝉若虫夜间检测方法，以自然环境中拍摄的和从互联网上收集的金蝉若虫图像为研究对象，经样本扩增，划分训练集和验证集；从满足移动端检测模型小型化和计算过程轻量化出发，基于MobileNet‑SSD框架进行模型设计，获取适用于夜间树上金蝉若虫检测的轻量级目标检测模型；训练参数设置，多次迭代后得到训练后的模型；将验证集输入训练后的模型，对树上金蝉若虫图像进行目标检测。本发明设计的轻量级模型在大幅减少模型大小以及其计算量的同时将模型性能保持在一个较高的水平，有助于将模型部署在资源受限的嵌入式系统中，为金蝉的人工养殖以及机器人的金蝉捕捉奠定良好的基础。

主权项：1.一种基于轻量级卷积神经网络的金蝉若虫夜间检测方法，其特征在于包括如下步骤：1）模拟机器人近距离检测金蝉若虫目标，以自然环境中拍摄以及互联网上收集的夜间树上金蝉若虫图像为研究对象，对原始数据集进行数据扩充，将数据集使用LabelImg工具对图中目标进行标记，并按照80%、20%的比例随机拆分为训练集和验证集，并按照PASCALVOC数据集的格式进行存储；2）基于MobileNet-SSD模型结构，以减少网络深度及网络宽度的思路进行模型结构精简改进，设计三种初始模型结构，所述三种初始模型分别为模型M0，模型M1，模型M2，其中模型M0是在MobileNet-SSD原始模型基础上，通过删除骨干网络的3×3、2×2、1×1这3个小尺度卷积层结构，减小网络宽度，增加部分中高层卷积层的深度得到；模型M1是在模型M0的基础上，进一步减少网络宽度得到；模型M2是在模型M1的基础上，减少部分中高层卷积层深度得到的；所述模型M0的设计步骤包括：①、删除原始MobileNet-SSD模型骨干网络中3×3、2×2、1×1这3个小尺度卷积层结构，以减小模型大小及计算量；②、削减网络宽度，将原始MobileNet-SSD模型第1卷积层的输出通道数由32减少到24，同时将后面的卷积层2，3，5，9，13的输出通道也分别减少至48，48，96，192和384；③、增加部分中高层卷积层的深度，特征图大小为38×38、19×19和10×10的卷积层上各自进行了4次卷积运算，得到模型M0；所述模型M0的结构为：卷积层1~2对原模型150×150的输出特征图进行了两次卷积，输出通道数分别减少至24、48；卷积层3~4对原模型75×75的输出特征图进行了两次卷积，输出通道数从原来的128减少为48；卷积层5~8对原模型38×38的输出特征图进行了四次卷积，卷积层深度由2层增加到4层，卷积层宽度由256减少为96；卷积层9~12对原模型19×19的输出特征图进行了四次卷积，卷积层深度由6层减少到4层，卷积层宽度由512减少为192；卷积层13~17对原模型10×10的输出特征图进行了四次卷积，卷积层深度由2层增加到4层，卷积层宽度由1024减少为384；所述模型M1在模型M0的结构基础上，继续减少网络宽度，将模型M0第1卷积层的输出通道数由24减少到16，将卷积层2、5、9、13的输出通道数也分别减少至32、64、128、256；所述模型M2在模型M1的基础上，保持模型M1总体架构不变，将模型M1特征图大小为38×38和19×19的卷积层数由4层减少为2层，此时骨干特征网络由17层减少为13层；3）利用建立的金蝉若虫数据训练集对设计的三种初始模型分别进行训练参数设置，多次迭代得到训练后的模型；4）将验证集图像输入训练后的模型中进行性能检验，并择优选定方案，获得适用于夜间树上金蝉若虫检测的轻量级目标检测模型；5）机器人夜间近距离对树干区域进行拍摄，将拍摄图像输入至计算机中，利用上述步骤的检测模型进行检测，如果树干上有金蝉若虫存在，则输出的图像上叠加各个目标的位置检测框；如果树干上没有金蝉若虫，则输出返回原图。

全文数据：

权利要求：

百度查询： 南通职业大学 一种基于轻量级卷积神经网络的金蝉若虫夜间检测方法