本發(fā)明屬于害蟲(chóng)監(jiān)控預(yù)警領(lǐng)域，特別涉及基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)。

背景技術(shù)：

1、在農(nóng)作物生長(zhǎng)期，害蟲(chóng)存在突發(fā)性、危害面積大，及時(shí)發(fā)現(xiàn)和控制害蟲(chóng)，采取了積極的防治措施，可以確保農(nóng)作物的產(chǎn)量和質(zhì)量。目前，害蟲(chóng)主要靠人工識(shí)別，智能化檢測(cè)程度低，因此，需要一種有效的害蟲(chóng)預(yù)警檢測(cè)系統(tǒng)，及時(shí)的發(fā)現(xiàn)農(nóng)作物中的害蟲(chóng)。

2、近年來(lái)，國(guó)內(nèi)外研究學(xué)者將機(jī)器視覺(jué)算法利用在農(nóng)業(yè)害蟲(chóng)識(shí)別檢測(cè)領(lǐng)域。其中有種方法是采用固定位置放置粘蟲(chóng)板捕捉害蟲(chóng)并自動(dòng)識(shí)別，同時(shí)利用自動(dòng)閾值分割，標(biāo)粘連處理、目標(biāo)識(shí)別和利用生物特征干擾去除等機(jī)器視覺(jué)方法，為病害蟲(chóng)防治提供依據(jù)。還有利用聚類和濾波的方法識(shí)別病害蟲(chóng)，或采用多重pcr方法檢測(cè)，鑒定關(guān)于谷蠹、谷象、米象、玉米象、麥蛾的蟲(chóng)態(tài)。

3、關(guān)于害蟲(chóng)檢測(cè)模型，有以下幾種：1、一種改進(jìn)retinanet的水稻冠層害蟲(chóng)為害狀自動(dòng)檢測(cè)模型，模型中采用resnext101作為特征提取網(wǎng)絡(luò)，該模型對(duì)2種害蟲(chóng)為害狀區(qū)域檢測(cè)的平均精度均值達(dá)到93.76％；2、利用卷積神經(jīng)網(wǎng)絡(luò)(convolutional?neural?networks，cnn)模型識(shí)別農(nóng)作物中存在的幾十種病害蟲(chóng)，取得較好的檢測(cè)效果；3、利用太赫茲光譜儀加裝反射成像模塊，對(duì)麥粒內(nèi)部結(jié)構(gòu)進(jìn)行太赫茲層成像，該方法能夠有效地識(shí)別出麥粒內(nèi)部的蟲(chóng)蛀區(qū)域，但未能實(shí)現(xiàn)堆積麥粒蟲(chóng)蛀損害的在線監(jiān)測(cè)；4、建立真實(shí)背景下糧倉(cāng)害蟲(chóng)圖像數(shù)據(jù)集sgi－6，使用聚類算法改進(jìn)fasterr－cnn模型的區(qū)域提案網(wǎng)絡(luò)，識(shí)別六種常見(jiàn)的儲(chǔ)糧害蟲(chóng)，且其平均準(zhǔn)確率(map)達(dá)到96.63％。

4、以上識(shí)別檢測(cè)害蟲(chóng)的的方法是基于數(shù)字圖像處理技術(shù)和基于深度學(xué)習(xí)的方法，存在依賴先驗(yàn)規(guī)則，樣本訓(xùn)練規(guī)則，場(chǎng)景單一和計(jì)算資源大的缺點(diǎn)。對(duì)此類問(wèn)題的研究需要尋求新技術(shù)的突破。動(dòng)物的視覺(jué)神經(jīng)系統(tǒng)在長(zhǎng)時(shí)間的進(jìn)化演變中，適應(yīng)實(shí)際場(chǎng)景中對(duì)目標(biāo)有特殊偏好的響應(yīng)檢測(cè)神經(jīng)元，例如，果蠅的視覺(jué)系統(tǒng)感知外部環(huán)境中視覺(jué)信息，且能獲取視場(chǎng)中明暗光線強(qiáng)度的行為變化量，利用神經(jīng)層中小葉板切向細(xì)胞(lobula?platetangential?cells,lptc)檢測(cè)目標(biāo)的運(yùn)動(dòng)方向，實(shí)現(xiàn)目標(biāo)的檢測(cè)、跟蹤等功能。然而，目前尚未有借助生物啟發(fā)構(gòu)建農(nóng)作物害蟲(chóng)目標(biāo)檢測(cè)技術(shù)模型的相關(guān)研究報(bào)道。因此，借助果蠅視覺(jué)神經(jīng)系統(tǒng)探索和設(shè)計(jì)在視覺(jué)場(chǎng)景中農(nóng)作物中出現(xiàn)害蟲(chóng)的預(yù)警檢測(cè)模型尤為重要。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明意在提供基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，以解決現(xiàn)有的害蟲(chóng)檢測(cè)方法存在的依賴先驗(yàn)規(guī)則，樣本訓(xùn)練規(guī)則，場(chǎng)景單一和計(jì)算資源大的問(wèn)題。

2、本方案中的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，包括用于處理視頻信息的突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)和用于構(gòu)建預(yù)警監(jiān)測(cè)模型的突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)；

3、所述突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)包括以下步驟：

4、步驟一：設(shè)有photoreceptor和retina神經(jīng)層，photoreceptor神經(jīng)層用于接受視頻信息，retina神經(jīng)層對(duì)photoreceptor神經(jīng)層接受到的信息做降噪處理，具體計(jì)算公式如下：

5、

6、步驟二：設(shè)有l(wèi)amina神經(jīng)層，所述lamina神經(jīng)層利用分流抑制處理獲得的信息輸出量，計(jì)算公式如下：

7、

8、步驟三：設(shè)有medulla神經(jīng)層，所述medulla神經(jīng)層主要匯總lamina神經(jīng)層的每個(gè)節(jié)點(diǎn)的信息輸出，計(jì)算公式如下：

9、mt(u,v)＝χt(3r+1,3s+1)×χt-1(3r+u,3s+v)-χt-1(3r+1,3s+1)×χt(3r+u,3s+v)

10、所述突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)包括以下步驟：

11、步驟四：設(shè)有l(wèi)ptc神經(jīng)層，所述lptc神經(jīng)層接受突觸前神經(jīng)系統(tǒng)中信息的輸出量，根據(jù)lptc輸出量設(shè)計(jì)自適應(yīng)閾值，計(jì)算公式如下：

12、

13、步驟五：設(shè)有ffc神經(jīng)層，所述ffc神經(jīng)層接受photoreceptor神經(jīng)層中目標(biāo)信息光亮強(qiáng)度的變化，消除原始輸入信息中的噪聲干擾，計(jì)算公式如下：

14、

15、步驟六：設(shè)有ssc神經(jīng)層，所述ssc神經(jīng)層依據(jù)lptc和ffc輸出的信息構(gòu)建預(yù)警模型，進(jìn)而決定何時(shí)發(fā)出預(yù)警信號(hào)，計(jì)算公式如下：

16、

17、進(jìn)一步，所述步驟一中zt是r層細(xì)胞(i,j)在第t幀時(shí)刻的輸出膜電位；pt、pt-1和pt-2分別存儲(chǔ)t時(shí)刻幀、t-1時(shí)刻幀和t-2時(shí)刻幀的像素值。

18、進(jìn)一步，所述步驟四中σt(th)為門(mén)限閾值，t當(dāng)前幀圖像，當(dāng)農(nóng)業(yè)中出現(xiàn)害蟲(chóng)時(shí)，會(huì)觸發(fā)小葉板切向細(xì)胞的輸出量，當(dāng)?shù)竭_(dá)一定程度會(huì)出現(xiàn)尖峰信號(hào)：

19、

20、其中1表示出現(xiàn)尖峰信號(hào)。

21、進(jìn)一步，所述步驟五中wij的平滑濾波核可以表示為：

22、經(jīng)由下式可得t幀的平均灰度值：

23、

24、隨后，經(jīng)由下式對(duì)上式獲得的平均灰度值作平滑處理：

25、

26、進(jìn)一步，式中，nc是圖像幀的時(shí)間步長(zhǎng)，kl＝sigmoid(ncxl)是時(shí)間步長(zhǎng)的持久性系數(shù)，最后對(duì)ffc的輸出作歸一化處理：

27、st(ffc)＝2(sigmoid(ft(ffc))-0.5)

28、并經(jīng)由下式可得t幀時(shí)刻前饋細(xì)胞發(fā)送尖峰信號(hào)：

29、

30、其中，tffc是一個(gè)動(dòng)態(tài)閾值，tffc＝tfo+αffc×st(ffc)，tfo和αffc為給定的常數(shù)因子。

31、進(jìn)一步，所述步驟六中，tssc借用上述檢測(cè)閾值方案獲得動(dòng)態(tài)檢測(cè)閾值，ssct借助ffc神經(jīng)元細(xì)胞獲得其輸出行為量：

32、

33、式中，ns表上在一段時(shí)間內(nèi)連續(xù)出現(xiàn)尖峰信號(hào)的個(gè)數(shù)。st(m)由m神經(jīng)節(jié)點(diǎn)細(xì)胞輸出量獲得，對(duì)其輸出進(jìn)行歸一化處理：

34、

35、式中，1表示發(fā)出預(yù)警檢測(cè)信號(hào)。

36、有益效果：該系統(tǒng)基于果蠅視覺(jué)系統(tǒng)網(wǎng)絡(luò)的生物啟發(fā)，將單目攝像機(jī)拍攝的視頻圖像序列進(jìn)行加工處理獲得目標(biāo)信息后，送入系統(tǒng)網(wǎng)絡(luò)模型中時(shí)空位置信息膜電位興奮量的變化，對(duì)視野信息進(jìn)行加工處理，以此判斷害蟲(chóng)的信息。

37、該模型基于果蠅視覺(jué)神經(jīng)系統(tǒng)的前饋神經(jīng)元細(xì)胞和lptc神經(jīng)元響應(yīng)特性機(jī)理構(gòu)建合成尖峰神經(jīng)元細(xì)胞感知農(nóng)作物中存在的害蟲(chóng)信息，實(shí)現(xiàn)預(yù)警檢測(cè)，該系統(tǒng)能夠有效檢測(cè)到害蟲(chóng)的存在，大大減少了農(nóng)作物遭受損害的風(fēng)險(xiǎn)，且誤差較小，整體穩(wěn)定性高。

技術(shù)特征：

1.基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，其特征在于：包括用于處理視頻信息的突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)和用于構(gòu)建預(yù)警監(jiān)測(cè)模型的突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)；

2.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，其特征在于：所述步驟一中zt是r層細(xì)胞(i,j)在第t幀時(shí)刻的輸出膜電位；pt、pt-1和pt-2分別存儲(chǔ)t時(shí)刻幀、t-1時(shí)刻幀和t-2時(shí)刻幀的像素值。

3.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，其特征在于：所述步驟四中σt(th)為門(mén)限閾值，t當(dāng)前幀圖像，當(dāng)農(nóng)業(yè)中出現(xiàn)害蟲(chóng)時(shí)，會(huì)觸發(fā)小葉板切向細(xì)胞的輸出量，當(dāng)?shù)竭_(dá)一定程度會(huì)出現(xiàn)尖峰信號(hào)：

4.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，其特征在于：所述步驟五中wij的平滑濾波核可以表示為：

5.根據(jù)權(quán)利要求4所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，其特征在于：式中，nc是圖像幀的時(shí)間步長(zhǎng)，kl＝sigmoid(ncxl)是時(shí)間步長(zhǎng)的持久性系數(shù)，最后對(duì)ffc的輸出作歸一化處理：

6.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，其特征在于：所述步驟六中，tssc借用上述檢測(cè)閾值方案獲得動(dòng)態(tài)檢測(cè)閾值，ssct借助ffc神經(jīng)元細(xì)胞獲得其輸出行為量：

技術(shù)總結(jié)
本方案公開(kāi)了害蟲(chóng)監(jiān)控預(yù)警領(lǐng)域的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲(chóng)檢測(cè)預(yù)警系統(tǒng)，包括突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)和突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)，所述突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)用于處理視頻信息，所述突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)用于構(gòu)建預(yù)警監(jiān)測(cè)模型?；诠壱曈X(jué)系統(tǒng)網(wǎng)絡(luò)的生物啟發(fā)，對(duì)視野信息進(jìn)行加工處理。提出一種APDNNM視覺(jué)神經(jīng)網(wǎng)絡(luò)模型，用于解決智能視頻監(jiān)控中的害蟲(chóng)檢測(cè)的技術(shù)問(wèn)題。該模型基于果蠅視覺(jué)神經(jīng)系統(tǒng)的前饋神經(jīng)元細(xì)胞和LPTC神經(jīng)元響應(yīng)特性機(jī)理構(gòu)建合成尖峰神經(jīng)元細(xì)胞感知農(nóng)作物中存在的害蟲(chóng)信息，實(shí)現(xiàn)預(yù)警檢測(cè)。

技術(shù)研發(fā)人員：胡?？?夏紅紅,肖秀娟,陳秋菊
受保護(hù)的技術(shù)使用者：茅臺(tái)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17