(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210694051.3 (22)申请日 2022.06.20 (65)同一申请的已公布的文献号 申请公布号 CN 114782682 A (43)申请公布日 2022.07.22 (73)专利权人 西安道法数器信息科技有限公司 地址 710065 陕西省西安市高新区科技 二 路65号启迪清扬时代第7幢3单元 30604号-1 (72)发明人 常新　 (74)专利代理 机构 西安研创天下知识产权代理 事务所(普通 合伙) 61239 专利代理师 郭璐 (51)Int.Cl. G06V 10/25(2022.01)G06V 10/26(2022.01) G06V 10/56(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/02(2006.01) (56)对比文件 CN 1098723 01 A,2019.0 6.11 审查员 董梦林 (54)发明名称 基于神经网络的农业害虫图像智能识别方 法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种基于神经网络的农业害虫图像智能识别方法， 该方法通过 获取包含虫体的害虫可见光图像， 并 基于该害虫可见光图像进行相应的数据处理， 确 定该害虫可见光图像的各个区域图像在不同尺 度下的尺度区域图像的显著值， 从而确定各个区 域图像中的各个显著物体区域图像； 确定各个显 著物体区域图像的综合显著值， 从而确定各个显 著物体区域图像中的各个害虫区域图像； 对各个 害虫区域图像进行害虫识别， 从而得到对应的害 虫种类。 本发 明通过采用对图像进行数据识别和 数据处理的方式， 可以准确确定各个害虫区域图 像， 避免了害虫识别结果受到背景和其他干扰物 的影响， 有效提高了害虫类别的识别精确度。 权利要求书4页 说明书14页 附图1页 CN 114782682 B 2022.09.06 CN 114782682 B 1.一种基于神经网络的农业害虫图像智能识别方法， 其特 征在于， 包括以下步骤： 获取包含虫体的害虫可见光图像， 对所述害虫可见光图像进行数据预处理， 从而获取 预处理之后的害虫 可见光图像； 对预处理之后的害虫可见光图像进行区域分割， 得到各个区域图像， 进而得到各个区 域图像在不同尺度下的尺度区域图像； 获取所有尺度区域图像对应的尺度区域灰度图像和尺度区域Lab图像， 对所述尺度区 域灰度图像和尺度区域 Lab图像进行 数据处理， 从而得到所有尺度区域图像对应的显著值； 根据所有尺度区域图像对应的显著值， 对各个区域图像进行筛选， 从而得到各个显著 物体区域图像； 对各个显著物体区域图像进行数据处理， 从而得到各个显著物体区域图像对应的害虫 肢体空间位置 显著增强系数和害虫肢体空间分布显著增强系数； 根据各个显著物体区域图像对应的害虫肢体空间位置显著增强系数、 害虫肢体空间分 布显著增强系数和显著值， 计算各个显著 物体区域图像对应的综合显著值； 根据各个显著物体区域图像对应的综合显著值， 对各个显著物体区域图像进行筛选， 从而得到各个害虫区域图像； 将各个害虫区域图像分别输入到害虫类别识别网络中， 从而得到对应的害虫种类； 所述对各个显著物体区域图像进行数据处理， 从而得到各个显著物体区域图像对应的 害虫肢体空间位置 显著增强系数和害虫肢体空间分布显著增强系数， 包括： 获取各个显著物体区域图像对应的显著物体区域灰度图像， 对所述显著物体区域灰度 图像进行边 缘检测， 从而得到各个显著 物体区域灰度图像的各个边 缘像素点； 对各个显著物体区域灰度图像的各个边缘像素点进行均匀采样， 从而得到各个显著物 体区域灰度图像的各个边 缘采样像素点； 根据各个显著物体区域灰度图像的各个边缘采样像素点， 确定同一个显著物体区域灰 度图像的任意两边缘采样 像素点之 间的中心像素点， 从而得到各个显著物体区域灰度图像 的各个中心像素点； 根据各个显著物体区域灰度图像的各个中心像素点的位置， 确定每个显著物体区域灰 度图像的各个中心像素点中位于对应显著物体区域中的各个中心像素点， 进而确定各个显 著物体区域灰度图像的位于对应显著物体区域中的各个中心像素点所占比例值， 从而得到 各个显著 物体区域图像对应的害虫肢体空间位置 显著增强系数； 根据各个显著物体区域灰度图像的各个中心像素点的位置， 确定每个显著物体区域灰 度图像的各个中心像素点中位于对应显著物体区域外的各个中心像素点， 对位于对应显著 物体区域外的各个中心像素点分别进 行椭圆方程拟合和直线方程拟合， 从而得到椭圆拟合 优度和直线拟合优度， 进而确定各个显著物体区域图像对应的害 虫肢体空间分布显著增强 系数； 所述进而确定各个显著物体区域图像对应的害虫肢体空间分布显著增强系数对应的 计算公式为： 权　利　要　求　书 1/4 页 2 CN 114782682 B 2其中， 为显著物体区域图像对应的害虫肢体空间分布显著增强系数， 和 分别为 该显著物体区域图像对应的椭圆拟合优度和直线拟合优度， 和 分别为椭圆拟合优度放 大系数和直线拟合优度放大系数， 和 分别为第一椭圆拟合优度阈值和第二椭圆拟合优 度阈值， 和 分别为第一直线拟合优度阈值和第二直线拟合优度阈值， 为拟合优度固 定值。 2.根据权利要求1所述的基于神经网络的农业害虫图像智能识别方法， 其特征在于， 所 述对所述尺度区域灰度图像和尺度区域Lab图像进行数据 处理， 从而得到所有尺度区域图 像对应的显著值， 包括： 根据在同一尺度下的各个尺度区域图像的尺度区域Lab图像， 确定在同一尺度下的任 意一个尺度区域图像与其 他各个尺度区域图像之间对应的区域对比度； 根据在同一尺度 下的各个尺度区域图像的尺度区域灰度图像， 确定在同一尺度 下的各 个尺度区域图像的尺度区域灰度图像的中心 位置， 从而确定在同一尺度下的任意一个尺度 区域图像与其 他各个尺度区域图像之间对应的空间欧式距离； 根据在同一尺度 下的各个尺度区域图像的尺度区域灰度图像， 确定在同一尺度 下的各 个尺度区域图像的尺度区域灰度图像的灰度均方差； 根据在同一尺度下的任意一个尺度区域图像与其他各个尺度区域图像之间对应的区 域对比度和空间欧式距离以及在同一尺度下的任意一个尺度区域图像与其他各个尺度区 域图像的尺度区域灰度图像的灰度均方差， 确定在同一尺度下的任意一个尺度区域图像与 其他各个尺度区域图像之间对应的差异值； 根据在同一尺度下的任意一个尺度区域图像与其他各个尺度区域图像之间对应的差 异值， 确定所有尺度区域图像对应的显著值。 3.根据权利要求2所述的基于神经网络的农业害虫图像智能识别方法， 其特征在于， 所 述确定在同一尺度下的任意一个尺度区域图像与其他各个尺度区域图像之间对应的区域 对比度， 包括： 根据在同一尺度下的各个尺度区域图像的尺度区域Lab图像， 确定在同一尺度下的各 个尺度区域图像的尺度区域 Lab图像的a通道颜色均值和b通道颜色均值； 计算在同一尺度 下的任意一个尺度区域图像与其他各个尺度区域图像的尺度区域Lab 图像的a通道颜色均值的差值绝对值和b通道颜色均值的差值绝对值， 从而得到在同一尺度 下的任意 一个尺度区域图像与其 他各个尺度区域图像的颜色差异； 根据在同一尺度 下的任意一个尺度区域图像与其他各个尺度区域图像的颜色差异， 确 定在同一尺度下的任意一个尺度区域图像与其他各个尺度区域图像之间对应的区域对比 度。 4.根据权利要求3所述的基于神经网络的农业害虫图像智能识别方法， 其特征在于， 所 述从而得到在同一尺度下的任意一个尺度区域图像与其他各个尺度区域图像的颜色差异 对应的计算公式为： 权　利　要　求　书 2/4 页 3 CN 114782682 B 3