公开(公告)号：CN109684906B

公开(公告)日：2021-04-30

申请号：CN201810554522.4

申请日：2018-05-31

Applicant: 北京林业大学

Inventor： 孙钰 ,  袁明帅 ,  任利利 ,  刘文萍 ,  张海燕

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/62

Abstract: 本发明为一种基于深度学习的检测红脂大小蠹的方法。其首先将从改造后的诱捕器中采集的小蠹图像传输至服务器进行图像预处理，然后输入针对蠹虫数据集使用k‑means方法优化默认框的Faster R‑CNN目标检测模型进行检测，最后将检测结果进行一系列后处理后绘制在输入图像上。本发明可实现林场现场图像数据实时采集和远程在线识别，减少了人力付出，实现了林业害虫监测的自动化。

公开(公告)号：CN109684906A

公开(公告)日：2019-04-26

申请号：CN201810554522.4

申请日：2018-05-31

Applicant: 北京林业大学

Inventor： 孙钰 ,  袁明帅 ,  任利利 ,  刘文萍 ,  张海燕

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/62

CPC classification number: G06K9/00771 ,  G06K9/00744 ,  G06K9/40 ,  G06K9/6223 ,  G06K9/6268

Abstract: 本发明为一种基于深度学习的检测红脂大小蠹的方法。其首先将从诱捕器中采集的小蠹图像传输至服务器进行图像预处理，然后将预处理后的图像输入针对蠹虫数据集使用k-means方法优化默认框后的Faster R-CNN目标检测模型进行检测，对模型检测结果使用非极大值抑制方法排除同类之间IoU大于50％的检测框，然后按分类信心降序排序后，输出前M个结果，再对这M个结果按照分类信心进行筛选，将分类信心高于0.5的检测框和对应分类信心以及计数结果，绘制在输入图像上。本发明可实现林场现场图像数据实时采集和远程在线识别，减少了人力付出。