首页 / 专利库 / 摄影 / 光学透镜 / 微距镜头 / 一种基于BP神经网络的果实蝇识别方法

一种基于BP神经网络的果实蝇识别方法

阅读:1020发布:2020-06-25

专利汇可以提供一种基于BP神经网络的果实蝇识别方法专利检索,专利查询,专利分析的服务。并且一种基于BP神经网络的果实蝇识别方法,所述方法通过利用终端设备对果蝇图像进行采集和特征提取,根据果蝇的特点,运用标记果蝇翅特征点的方法进行特征点坐标值提取,形成了样本数据。然后通过采用BP神经网络 算法 实现的分类器对样本数据进行学习训练。最后采用分类器对果蝇进行识别鉴定。所述方法包括:利用果蝇 图像采集 装置进行图像采集、选取图像特征点、果蝇鉴定、返回鉴定结果。本 发明 技术方案打破了传统的果蝇识别方式,实现实时鉴定过程,大大提高了工作效率。,下面是一种基于BP神经网络的果实蝇识别方法专利的具体信息内容。

1.一种基于BP神经网络的果实蝇识别方法,其特征在于,所述方法利用终端设备对果蝇图像进行采集和特征提取;根据果蝇的特点,运用标记果蝇翅特征点的方法进行特征点坐标值提取,形成了样本数据;然后通过采用BP神经网络算法实现的分类器对样本数据进行分类训练;最后采用分类器对果蝇进行识别鉴定;
所述方法包括以下步骤:
(1)利用果蝇图像采集装置进行图像采集;
(2)选取图像特征点;
(3)果蝇鉴定;
(4)返回鉴定结果;
(5)结束本次鉴定;
所述步骤均是在移动终端完成。
2.根据权利要求1所述的一种基于BP神经网络的果实蝇识别方法,其特征在于,所述果蝇图像采集装置,利用已有的三星平板Note8.0、外加奇能广超微距手机镜头W-67组装成一个移动式果蝇图像采集装置。
3.根据权利要求2所述的一种基于BP神经网络的果实蝇识别方法,其特征在于,所述果蝇图像采装置包括图像采集装置部分和移动端;图像采集装置部分通过数据线连接移动端;
所述图像采集装置部分为手机镜头,包括广角镜头、微距镜头和镜头夹;所述广角镜头为110度广角,所述微距镜头为10倍微距镜头;所述镜头采用合金外壳及光学玻璃镜片,所述镜头夹与移动端连接;
所述移动端设有:
拍照模:用于拍照,通过手机镜头连接移动端完成;
图片处理模块:实现对图片缩放和旋转;
特征点提取模块:用于对图像进行特征点选取;
设置阈值模块:根据实际情况调整域值大小,提高鉴定准确率;
添加样本模块:将已识别的果蝇类别数据添加至特征值文件;
训练分类器模块:获得实蝇翅特征值后,用特征值训练分类器;
果蝇鉴定模块:用于对果蝇图像进行类别鉴定。
4.根据权利要求3所述的一种基于BP神经网络的果实蝇识别方法,其特征在于,所述图像进行特征点提取,选用标记果蝇翅特征点的方法进行特征点坐标值提取,在符合几何形态测量学中关于标记点的定义和选取的点能够反应果蝇的基本特征的基础上,选取了11个果蝇翅特征点之间的15组相对距离值作为分类特征。
5.根据权利要求3所述的一种基于BP神经网络的果实蝇识别方法,其特征在于,所述设置阈值,是指设置临界值,随着样本数据的增多,可以动态调整阈值的大小,提高果蝇鉴定的准确性和可靠性。
6.根据权利要求3所述的一种基于BP神经网络的果实蝇识别方法,其特征在于,所述对果蝇图像进行类别鉴定是通过以下步骤实现的:
(1)载入已知类别果蝇图像;
(2)图像特征点提取;
(3)形成特征值文件并保存;
(4)训练分类器。
7.根据权利要求3所述的一种基于BP神经网络的果实蝇识别方法,其特征在于,所述训练分类器,指对BP神经网络算法实现的分类器进行学习训练,
首先,输入层接收果蝇翅样本数据,接着,把收到的信息传递给隐含层,果蝇数据经过处理后,隐含层再把处理后的信息传递给输出层,这样,就完成了一次数据的正向传播过程,当输出层的实际输出和预期的输出结果不相符的时候,则进入误差的反向传播阶段;所谓的反向传播是指由输出层传给隐含层再传给输入层;通过循环往复的数据信息正向传播和误差反向传播过程,使得误差按梯度方向下降,调整各层的权值和阈值,直到实际输出尽可能的与期望输出相符就完成了分类器的学习训练过程。

说明书全文

一种基于BP神经网络的果实蝇识别方法

[0001]

技术领域

[0002] 本发明涉及一种基于BP神经网络的果实蝇识别方法,属移动通信技术领域。

背景技术

[0003] 为了保护农业生产的安全,各国实行了严格的动植物检验检疫,严防高险性有害生物的扩散和入侵,但随着国际间自由贸易程度的不断提高,贸易数量的不断增长,对各种植物及其产品的检验检疫已然成为了一个严峻的问题。目前,检验检疫工作中普遍存在以下几个弊端:(1)对检验检疫工作者专业素质要求很高,植物检疫涉及植物病原细菌、真菌线虫杂草、昆虫等众多类别的有害生物,检疫工作者必需具备大量的有关生物分类方面的专业知识;(2)在检疫过程中,对各种不熟识的高风险有害生物难以准确识别;(3)对鉴定有困难的有害生物,需要查阅大量资料,有时还需送相关研究部及专家进行鉴定,浪费大量人物力,且需要花费较长的时间;(4)待鉴定的生物需连接PC电脑端才可进行鉴定;因此,提供一种基于BP神经网络的果实蝇识别方法是十分必要的。

发明内容

[0004] 本发明的目的是,为了解决上述果蝇识别过程中存在的问题,提供一种基于BP神经网络的果实蝇识别方法。
[0005] 本发明的技术方案如下:一种基于BP神经网络的果实蝇识别方法,所述方法利用终端设备对果蝇图像进行采集和特征提取;根据果蝇的特点,运用标记果蝇翅特征点座标值的方法进行特征点坐标值提取,形成了样本数据;然后通过采用BP神经网络算法实现的分类器对样本数据进行分类训练;最后采用分类器对果蝇进行识别鉴定。本发明方法包括以下步骤:(1)利用果蝇图像采集装置进行图像采集;
(2)选取图像特征点;
(3)果蝇鉴定;
(4)返回鉴定结果;
(5)结束本次鉴定。
[0006] 所述步骤均是在移动终端完成。
[0007] 所述果蝇图像采集装置,利用已有的三星平板Note8.0、外加奇能广超微距手机镜头W-67组装成一个手持式果蝇图像采集装置。
[0008] 所述果蝇图像采装置包括图像采集装置部分和移动端;图像采集装置部分通过数据线连接移动端;所述图像采集装置部分为手机镜头,包括广角镜头、微距镜头和镜头夹;所述广角镜头为110度广角,所述微距镜头为10倍微距镜头;所述镜头采用合金外壳及光学玻璃镜片,所述镜头夹与移动端连接;
所述移动端设有:
拍照模:用于拍照,通过手机镜头连接移动端完成;
图片处理模块:实现对图片缩放和旋转;
特征点提取模块:用于对图像进行特征点选取;
设置阈值模块:根据实际情况调整域值大小,提高鉴定准确率;
添加样本模块:将已识别的果蝇类别数据添加至特征值文件;
训练分类器模块:获得实蝇翅特征值后,用特征值训练分类器;
果蝇鉴定模块:用于对果蝇图像进行类别鉴定。
[0009] 所述图像进行特征点提取,选用标记果蝇翅特征点的方法进行特征点坐标值提取,在符合几何形态测量学中关于标记点的定义和选取的点能够反应果蝇的基本特征的基础上,选取了11个果蝇翅特征点之间的15组相对距离值作为分类特征。
[0010] 所述设置阈值,是指设置临界值,随着样本数据的增多,可以动态调整阈值的大小,提高果蝇鉴定的准确性和可靠性。
[0011] 所述对果蝇图像进行类别鉴定是通过以下步骤实现的:(1)载入已知类别果蝇图像;
(2)图像特征点提取;
(3)形成特征值文件并保存;
(4)训练分类器。
[0012] 所述训练分类器,指对BP神经网络算法实现的分类器进行学习训练,首先,输入层接收果蝇翅样本数据,接着,把收到的信息传递给隐含层,果蝇数据经过处理后,隐含层再把处理后的信息传递给输出层,这样,就完成了一次数据的正向传播过程,当输出层的实际输出和预期的输出结果不相符的时候,则进入误差的反向传播阶段;所谓的反向传播是指由输出层传给隐含层再传给输入层;通过循环往复的数据信息正向传播和误差反向传播过程,使得误差按梯度方向下降,调整各层的权值和阈值,直到实际输出尽可能的与期望输出相符就完成了分类器的学习训练过程。
[0013] 本发明的有益效果是,本发明提供了一种基于BP神经网络的果蝇识别方法,检疫人员利用本发明的移动应用系统便携式设备进行现场鉴定,解决了以往采集过程中对鉴定人员专业素质要求较高和过程较为繁琐等缺点,减轻了检疫人员的工作强度,另外,本图像采集过程简单,使用方便,准确性可观,有效提升了果蝇识别现场鉴定效率,具有非常广泛的应用前景。附图说明
[0014] 图1是本发明一种基于BP神经网络的果蝇识别方法的流程图;图2是本发明一种用于实现该方法的分类器设计的流程图;
图3是本发明一种用于果蝇图像特征点标记的顺序图。
[0015] 图4是本发明一种用于实现该方法的BP神经网络算法的流程图。

具体实施方式

[0016] 本发明的具体实施方式如图所示。
[0017] 图1是本发明一种基于BP神经网络的果蝇识别方法的流程图,该方法的具体步骤为:(1)利用果蝇图像采集装置进行图像采集:使用三星平板Note8.0外加奇能广角手机镜头W-67组装成的手持式果蝇图像采集装置对待识别的果蝇进行图像采集。
[0018] (2)选取图像特征点:对特征点的预处理;然后通过标记图像特征点获得图像对应的坐标值,需要注意的是标记特征点是有先后顺序的,如图3所示数字由小到大即为标记特征点的先后顺序。
[0019] (3)果蝇鉴定:根据获得的特征点参数,结合分类器对果蝇进行鉴定并在终端上显示结果,完成鉴定。
[0020] (4)返回鉴定结果;(5)结束本次鉴定。
[0021] 对特征点进行预处理时,包括以下环节:(1)选对特征点是能够准确实现果蝇鉴定的关键因素,在选取标记点的时候,必须遵循了以下两个原则:一是,实蝇翅特征点的选择必须符合几何形态测量学中关于标记点的定义;二是,选取的点要能够反应实蝇翅的基本特征,并且与实蝇传统分类学特征相呼应。遵循以上两个原则,本发明选取了11个果蝇翅特征点之间的15组相对距离值作为分类特征,同时,也通过Fisher判别分析方法验证了特征参数用于鉴定的可行性。
[0022] (2)提取到的实蝇翅图片需进行标准化处理,以消除非形状参数对特征点的影响,具体包括位移、缩放和旋转。位移的处理过程是指,在标记点中,指定坐标原点,其他标记点的坐标值做相应的变化。缩放的处理是指坐标值除以能反应实蝇翅大小的一个数值,从而消除因实蝇翅本身大小的不同造成的坐标值的差异。旋转的过程是指,将翅围绕坐标原点进行旋转,从而使同种实蝇各相同位置的标记点之间的距离符合最小二乘法的要求。
[0023] 如图2所示,分类器是通过以下步骤实现的:(1)载入已知类别果蝇图像;(2)提取特征点;(3)形成特征值文件并保存;(4)训练分类器,分类器是通过BP神经网络算法来实现,具体流程图如图4所示:包括初始化权值和阈值的选取、获取果蝇样本数据、各项参数初始化、计算隐含层输出层各单元输出、计算输出层误差E(q),如输出层误差E(q)不符合要求,则计算误差,修正权值阈值;继续计算隐含层输出层各单元输出和输出层误差E(q),直至输出层误差符合要求。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈