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。

公开(公告)号：CN110543801A

公开(公告)日：2019-12-06

申请号：CN201810534077.5

申请日：2018-05-29

Applicant: 北京林业大学

Inventor： 孙钰 ,  刘文萍 ,  骆有庆 ,  宗世祥

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于神经网络及无人机航拍图像的油松虫害检测方法、系统及装置，该系统包括：预处理模块，用于接收无人机航拍图像，并对所述图像进行预处理，获得预处理后的受害图像；检测模块，用于对无人机航拍图像进行检测；检测模块包括神经网络，神经网络包括基础特征提取器及预测单元；基础特征提取器后添加一额外特征提取层，额外特征提取层和所述基础特征提取器的最后一层构成所述预测单元；基于所述预测单元生成的特征图P1、P2上的默认框为锚点，预测目标类别和位置。该技术方充分利用无人机采集特定高度的航拍图像数据，针对林木的虫害图像，检测精度高，可实时检测，明显优于现有技术。

公开(公告)号：CN109034268B

公开(公告)日：2021-07-13

申请号：CN201810950300.4

申请日：2018-08-20

Applicant: 北京林业大学

Inventor： 孙钰 ,  刘璇昕 ,  陈志泊 ,  刘文萍

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01N21/84

Abstract: 本发明公开了一种面向信息素诱捕器的红脂大小蠹检测器优化方法，优化基础为RetinaNet检测器，采用该方法优化后得到一轻量级红脂大小蠹检测器，该方法用于对嵌入信息素诱捕器收集杯中的摄像头采集的蠹虫图像进行检测，以检测出其中的小蠹科害虫的种类和个数，包括(1)数据增强，(2)损失函数，(3)特征提取器优化，(4)特征金字塔优化，(5)预测模块优化。本发明提供的面向信息素诱捕器的红脂大小蠹检测器优化方法针对蠹虫样本的特点和检测器部署的需要对RetinaNet检测器进行了优化，克服了RetinaNet检测器在红脂大小蠹实时检测上的不足，在保证检测精度的前提下，能够在嵌入式设备上运行，为大规模低成本的红脂大小蠹监测系统的实现提供基础。

公开(公告)号：CN109034268A

公开(公告)日：2018-12-18

申请号：CN201810950300.4

申请日：2018-08-20

Applicant: 北京林业大学

Inventor： 孙钰 ,  刘璇昕 ,  陈志泊 ,  刘文萍

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01N21/84

CPC classification number: G06K9/6223 ,  G01N21/84 ,  G06K9/629 ,  G06N3/0454 ,  G06N3/08

Abstract: 本发明公开了一种面向信息素诱捕器的红脂大小蠹检测器优化方法，优化基础为RetinaNet检测器，采用该方法优化后得到一轻量级红脂大小蠹检测器，该方法用于对嵌入信息素诱捕器收集杯中的摄像头采集的蠹虫图像进行检测，以检测出其中的小蠹科害虫的种类和个数，包括(1)数据增强，(2)损失函数，(3)特征提取器优化，(4)特征金字塔优化，(5)预测模块优化。本发明提供的面向信息素诱捕器的红脂大小蠹检测器优化方法针对蠹虫样本的特点和检测器部署的需要对RetinaNet检测器进行了优化，克服了RetinaNet检测器在红脂大小蠹实时检测上的不足，在保证检测精度的前提下，能够在嵌入式设备上运行，为大规模低成本的红脂大小蠹监测系统的实现提供基础。