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。
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: