害虫检测方法、装置、电子设备及存储介质与流程

本发明涉及害虫检测计算机系统，尤其涉及一种害虫检测方法、装置、电子设备及存储介质。

背景技术：

1、田间害虫以其较高的发生频率、广泛的发生面积和严重的危害性成为当前影响和制约粮食安全的主要自然因素。并且，传统的化学防治方法对作物和生态环境的破坏大。若能对田间害虫进行及时准确的检测，将有效避免虫灾爆发，保障农业生产，避免农户损失，因此亟需一种及时准确检测害虫的方法。

2、然而，农业害虫种类繁多，体积较小，现有的图像采集设备也无法捕捉到高清的图像，这将导致害虫检测结果不准确，无法准确高效地实现害虫检测，进而无法及时的进行害虫防治，这将导致农作物产量降低不利于农业生产。而且，现有的害虫检测方法所采用的害虫检测模型，通常需要占用较多的计算资源，对硬件设备要求较高，增加害虫防治的成本，也不利于害虫防治的自动化实施。

3、为此，现亟需提供一种新的害虫检测方法。

技术实现思路

1、本发明提供一种害虫检测方法、装置、电子设备及存储介质，用以解决现有技术中存在的缺陷。

2、本发明提供一种害虫检测方法，包括：

3、获取待检测图像；

4、将所述待检测图像输入至害虫检测模型，得到所述害虫检测模型输出的检测结果；

5、其中，所述害虫检测模型包括级联的盲去运动模糊模型和目标检测模型，所述盲去运动模糊模型基于害虫图像样本训练得到，所述目标检测模型基于所述害虫图像样本及其携带的害虫标签训练得到；

6、所述盲去运动模糊模型用于对所述待检测图像进行盲去运动模糊，生成所述待检测图像对应的去模糊图像；

7、所述目标检测模型包括依次连接的picodet的主干网络、指定颈部网络和picodet的头部网络；所述主干网络用于提取所述去模糊图像的图像特征；所述指定颈部网络包括顺次连接的多个加权双向特征金字塔网络，用于基于所述图像特征，对所述去模糊图像的不同层次的语义特征进行提取并融合，得到不同层次的融合结果；所述头部网络用于基于所述融合结果，输出所述检测结果。

8、根据本发明提供的一种害虫检测方法，所述盲去运动模糊模型基于如下步骤训练得到：

9、基于所述害虫图像样本，对初始生成对抗网络模型进行训练，得到目标生成对抗网络模型，并将所述目标生成对抗网络模型中的目标生成器作为所述盲去运动模糊模型。

10、根据本发明提供的一种害虫检测方法，所述主干网络为esnet，所述图像特征包括所述esnet输出的c3特征图、c4特征图和c5特征图；所述头部网络包括四个；

11、所述指定颈部网络还用于对所述c3特征图进行下采样，并将得到的采样结果输入至第一个加权双向特征金字塔网络；

12、所述指定颈部网络的最后一个加权双向特征金字塔网络分别用于将所述采样结果对应的融合结果作为p6特征图输入至第一个头部网络，将所述c3特征图对应的融合结果作为p5特征图输入至第二个头部网络，将所述c4特征图对应的融合结果作为p4特征图输入至第三个头部网络，将所述c5特征图对应的融合结果作为p3特征图输入至第四个头部网络。

13、根据本发明提供的一种害虫检测方法，所述害虫图像样本包括训练样本和测试样本；

14、所述目标检测模型基于如下步骤训练得到：

15、将所述训练样本缩放至尺寸为640×640后输入至初始检测模型，得到所述初始检测模型输出的初始检测结果；

16、基于所述初始检测结果与所述训练样本携带的害虫标签，计算损失函数值，并基于所述损失函数值，采用随机梯度下降算法，对所述初始检测模型的结构参数进行迭代更新，得到备选检测模型；

17、基于所述测试样本，对所述备选检测模型进行测试，若所述备选检测模型通过测试，则确定所述备选检测模型为所述目标检测模型，否则继续对所述备选检测模型的结构参数进行更新。

18、根据本发明提供的一种害虫检测方法，基于所述初始检测结果与所述训练样本携带的害虫标签，计算损失函数值，包括：

19、将所述初始检测结果与所述训练样本携带的害虫标签代入至ciou损失函数，计算所述损失函数值。

20、根据本发明提供的一种害虫检测方法，基于所述测试样本，对所述备选检测模型进行测试，包括：

21、将所述测试样本输入至所述备选检测模型，得到所述备选检测模型输出的备选检测结果；

22、基于所述备选检测结果与所述测试样本携带的害虫标签，计算测试评价指标的取值，并基于所述测试评价指标的取值，判断所述备选检测模型是否通过测试。

23、根据本发明提供的一种害虫检测方法，所述测试评价指标包括精确率、召回率和平均精度中的至少一项。

24、本发明还提供一种害虫检测装置，包括：

25、图像获取模块，用于获取待检测图像；

26、害虫检测模块，用于将所述待检测图像输入至害虫检测模型，得到所述害虫检测模型输出的检测结果；

27、其中，所述害虫检测模型包括级联的盲去运动模糊模型和目标检测模型，所述盲去运动模糊模型基于害虫图像样本训练得到，所述目标检测模型基于所述害虫图像样本及其携带的害虫标签训练得到；

28、所述盲去运动模糊模型用于对所述待检测图像进行盲去运动模糊，生成所述待检测图像对应的去模糊图像；

29、所述目标检测模型包括依次连接的picodet的主干网络、指定颈部网络和picodet的头部网络；所述主干网络用于提取所述去模糊图像的图像特征；所述指定颈部网络包括顺次连接的多个加权双向特征金字塔网络，用于基于所述图像特征，对所述去模糊图像的不同层次的语义特征进行提取并融合，得到不同层次的融合结果；所述头部网络用于基于所述融合结果，输出所述检测结果。

30、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的害虫检测方法。

31、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的害虫检测方法。

32、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的害虫检测方法。

33、与现有技术相比，本发明具有如下有益效果：

34、本发明提供的害虫检测方法、装置、电子设备及存储介质，该方法采用的害虫检测模型级联有盲去运动模糊模型和目标检测模型，不仅具有去除待检测图像的运动模糊的功能，还具有小目标检测的功能，可以提升害虫检测模型的鲁棒性和精确度，使检测结果更准确。而且，由于盲去运动模糊模型的存在，可以使该方法在实际的害虫检测中在害虫高速飞行的情况下也能保证一定的精确度，使该方法适用性更强，便于后续可以及时的进行害虫防治，避免因害虫检测不准确而导致农作物产量降低的情况出现，有利于农业生产。此外，由于目标检测模型包括picodet的主干网络、指定颈部网络和picodet的头部网络，使得目标检测模型可以实现更高效的特征提取和融合过程，且具有轻量化的特性，进而使得该方法占用的计算资源较少，对硬件设备要求较低，适合部署在嵌入式系统中，可以降低害虫防治的成本，有利于害虫防治的自动化。相比目前存在的其他害虫检测算法，该方法在精确度和轻量化之间做到了平衡，对实际场景的害虫检测效果显著。