本發(fā)明涉及圖像識別，特別是涉及一種有害生物鑒定識別方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、進境有害生物鑒別是維護境內(nèi)農(nóng)業(yè)生產(chǎn)、生態(tài)安全至關(guān)重要的一個環(huán)節(jié)。其中，《中華人民共和國進境植物檢疫性有害生物名錄》中已涵蓋446項有害生物，這些生物可能對我國的農(nóng)業(yè)生產(chǎn)、生態(tài)安全構(gòu)成威脅。

2、目前，進境有害生物鑒別主要依靠海關(guān)實驗室專家人工鑒定，進境有害生物包含昆蟲、軟體動物、線蟲、雜草等，存在多角度、多形態(tài)、不同環(huán)境、差別細微等鑒定難題。人工鑒定方式存在專家、樣本稀缺，通關(guān)周期長、主觀誤判、各口岸鑒定水平差異大等問題。

3、因此，亟需提供一種有害生物鑒定識別方法、裝置、設(shè)備及存儲介質(zhì)，有利于提升進境木材常見害蟲智能精準識別、快速處理能力。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對現(xiàn)有的問題，提供一種有害生物鑒定識別方法、裝置、設(shè)備及存儲介質(zhì)，有利于提升進境木材常見害蟲智能精準識別、快速處理能力。

2、本技術(shù)的第一方面提供一種有害生物鑒定識別方法，其包括：

3、獲取待識別圖像；

4、將所述待識別圖像輸入預(yù)先訓(xùn)練好的目標鑒定識別模型，以判定所述待識別圖像是否為有害生物圖像，并將置信度低于閾值的待識別圖像識別為其他類，將置信度高于閾值的待識別圖像分類到對應(yīng)類別；

5、其中，預(yù)先訓(xùn)練好的所述目標鑒定識別模型的訓(xùn)練過程包括將有害昆蟲分類數(shù)據(jù)集作為閉集數(shù)據(jù)集，對初始分類器模型進行閉集訓(xùn)練，獲得初始鑒定識別模型；利用對抗生成網(wǎng)絡(luò)生成的合成圖像及特征復(fù)制器對抗訓(xùn)練網(wǎng)絡(luò)生成的合成特征來模擬開放數(shù)據(jù)集，對初始鑒定識別模型進行開放集訓(xùn)練，以獲得所述目標鑒定識別模型。

6、在一些實施方式中，在所述將有害昆蟲分類數(shù)據(jù)集作為閉集數(shù)據(jù)集，對初始分類器模型進行閉集訓(xùn)練，獲得初始鑒定識別模型，之前包括：

7、對收集的害蟲標本態(tài)圖像進行預(yù)處理，獲得適應(yīng)網(wǎng)絡(luò)輸入的預(yù)處理圖像集，所述預(yù)處理包括大小調(diào)整、歸一化中的至少一種；

8、基于預(yù)處理圖像集，利用圖像旋轉(zhuǎn)、縮放、裁剪增加數(shù)據(jù)多樣性，獲得增強圖像集；

9、對增強圖像集分類并打標簽，以獲得所述有害昆蟲分類數(shù)據(jù)集，并將所述有害昆蟲分類數(shù)據(jù)集構(gòu)建為所述閉集數(shù)據(jù)集。

10、在一些實施方式中，所述特征復(fù)制器對抗訓(xùn)練網(wǎng)絡(luò)包括：

11、特征復(fù)制器網(wǎng)絡(luò)w′，所述特征復(fù)制器網(wǎng)絡(luò)w′用于生成虛擬特征fi′；

12、第一分類器網(wǎng)絡(luò)w，所述第一分類器網(wǎng)絡(luò)w用于對輸入的所述虛擬特征fi′進行分類，以通過對抗生成訓(xùn)練，增強對于所述虛擬特征fi′的開放集分類性能；

13、其中，對抗生成訓(xùn)練之前的所述第一分類器網(wǎng)絡(luò)w基于經(jīng)過閉集訓(xùn)練的所述初始鑒定識別模型獲得，所述虛擬特征為fi′用于構(gòu)建第一開放子集，所述對抗生成網(wǎng)絡(luò)生成的合成圖像和所述第一開放子集構(gòu)成所述開放數(shù)據(jù)集。

14、在一些實施方式中，所述初始分類器模型基于resnet18構(gòu)建獲得，所述特征復(fù)制器網(wǎng)絡(luò)w′將resnet18作為網(wǎng)絡(luò)主干構(gòu)建而成。

15、在一些實施方式中，所述特征復(fù)制器網(wǎng)絡(luò)w′用于生成虛擬特征fi′包括：

16、將所述特征復(fù)制器網(wǎng)絡(luò)w′的第一個殘差塊、第三個殘差塊、第四個殘差塊的輸出作為所述虛擬特征fi′，以用于對所述第一分類器網(wǎng)絡(luò)w進行訓(xùn)練；

17、其中，所述特征復(fù)制器網(wǎng)絡(luò)w′通過損失函數(shù)矯正第一個殘差塊和第三個殘差塊的輸出，使其逼近所述第一分類器網(wǎng)絡(luò)w對應(yīng)網(wǎng)絡(luò)層的真實中間特征；且所述特征復(fù)制器網(wǎng)絡(luò)w′的第一個殘差塊和第三個殘差塊生成的第一虛擬特征作為難分辨虛擬特征；所述特征復(fù)制器網(wǎng)絡(luò)w'的第四個殘差塊生成的第二虛擬特征作為第一易分辨虛擬特征，所述對抗生成網(wǎng)絡(luò)生成的合成圖像作為第二易分辨虛擬特征，所述虛擬特征fi′包括所述難分辨虛擬特征和第一易分辨虛擬特征。

18、在一些實施方式中，所述特征復(fù)制器網(wǎng)絡(luò)w′的損失函數(shù)表示為：

19、lcopy＝lreg+limi

20、其中，lreg為預(yù)測標簽與真實標簽間的交叉熵損失，limi為所述特征復(fù)制器網(wǎng)絡(luò)w′在第一個殘差塊和第三個殘差塊中生成的第一虛擬特征與所述第一分類器網(wǎng)絡(luò)w相應(yīng)層的真實中間特征的l1損失；

21、所述第一分類器網(wǎng)絡(luò)w的損失函數(shù)表示為：

22、lcla＝lclose+λ·lopen

23、其中，lclose是在閉集訓(xùn)練上的預(yù)測標簽與真實標簽間的交叉熵損失，λ是lopen的權(quán)重，lopen是在開放集訓(xùn)練上的預(yù)測標簽與擬合標簽的交叉熵損失。

24、在一些實施方式中，對于不同種類的開放集數(shù)據(jù)，所述擬合標簽由不同的方式進行計算，所述擬合標簽的計算過程包括：

25、對于所述第一易分辨虛擬特征和第二易分辨虛擬特征，所述第一易分辨虛擬特征和第二易分辨虛擬特征的擬合標簽的計算方式為：

26、

27、其中，k為閉集分類任務(wù)的類別數(shù)，u為值全為1的向量，即損失函數(shù)會校正第一分類器網(wǎng)絡(luò)w使其將生成的所述第一易分辨虛擬特征和第二易分辨虛擬特征預(yù)測為平均概率；

28、對于所述難分辨虛擬特征，所述難分辨虛擬特征的擬合標簽的計算方式為：

29、

30、其中，α為平滑系數(shù)，y為輸入圖像的真實標簽，k為閉集分類任務(wù)的類別數(shù)，u為值全為1的向量，即損失函數(shù)會校正第一分類器網(wǎng)絡(luò)w將生成的所述難分辨虛擬特征預(yù)測為平滑后的概率分布。

31、本技術(shù)第二方面提供一種有害生物鑒定識別裝置，其包括：

32、圖樣采集模塊，用于獲取待識別圖像；

33、鑒定分析模塊，包括目標鑒定識別模型，所述目標鑒定識別模型用于判定所述待識別圖像是否為有害生物圖像，并將置信度低于閾值的待識別圖像識別為其他類，將置信度高于閾值的待識別圖像分類到對應(yīng)類別；

34、其中，預(yù)先訓(xùn)練好的所述目標鑒定識別模型的訓(xùn)練過程包括將有害昆蟲分類數(shù)據(jù)集作為閉集數(shù)據(jù)集，對初始分類器模型進行閉集訓(xùn)練，獲得初始鑒定識別模型；利用對抗生成網(wǎng)絡(luò)生成的合成圖像及特征復(fù)制器對抗訓(xùn)練網(wǎng)絡(luò)生成的合成特征來模擬開放數(shù)據(jù)集，對初始鑒定識別模型進行開放集訓(xùn)練，以獲得所述目標鑒定識別模型。

35、本技術(shù)第三方面提供一種電子設(shè)備，其包括至少一個處理器以及用于存儲處理器可執(zhí)行指令的存儲器，所述處理器執(zhí)行所述指令時實現(xiàn)上述任一實施方式所述的方法。

36、本技術(shù)第四方面提供一種存儲介質(zhì)，所述存儲介質(zhì)中存儲有計算機程序或計算機指令，當所述計算機程序或計算機指令被處理器執(zhí)行時，使得上述任一實施方式所述的方法被實現(xiàn)。

37、本發(fā)明的有益效果：

38、本發(fā)明的有害生物鑒定識別方法通過將所述待識別圖像輸入預(yù)先訓(xùn)練好的目標鑒定識別模型，以判定所述待識別圖像是否為有害生物圖像，并將置信度低于閾值的待識別圖像識別為其他類，將置信度高于閾值的待識別圖像分類到對應(yīng)類別，有利于提升進境木材常見害蟲智能精準識別、快速處理能力，確保口岸生物安全，防范和控制外來有害生物的入侵。

39、由于進境害蟲種類多、難以對每個種類收集足夠的圖片進行深度學(xué)習(xí)模型訓(xùn)練。本發(fā)明的實施方式中，預(yù)先訓(xùn)練好的所述目標鑒定識別模型的訓(xùn)練過程包括將有害昆蟲分類數(shù)據(jù)集作為閉集數(shù)據(jù)集，對初始分類器模型進行閉集訓(xùn)練，獲得初始鑒定識別模型；利用對抗生成網(wǎng)絡(luò)生成的合成圖像及特征復(fù)制器對抗訓(xùn)練網(wǎng)絡(luò)生成的合成特征來模擬開放數(shù)據(jù)集，對初始鑒定識別模型進行開放集訓(xùn)練，以獲得所述目標鑒定識別模型。其目標鑒定識別模型經(jīng)過閉集訓(xùn)練和開放集訓(xùn)練，一方面可以保證在已知種類的分類準確性，另一方面具備將未知種類害蟲圖片歸為其他類的功能。

40、此外，其利用對抗生成網(wǎng)絡(luò)生成的合成圖像及特征復(fù)制器對抗訓(xùn)練網(wǎng)絡(luò)生成的合成特征來模擬開放數(shù)據(jù)集以供開放集訓(xùn)練，改善了開放集數(shù)據(jù)構(gòu)建困難的問題。