基于视频检测的储粮害虫死活评估算法研究

发布时间：2020-04-17 05:54

【摘要】：在我国粮库的害虫防治过程中,如何对杀虫效果进行评估,以提高防治措施的有效性和经济性,是亟待解决的一个问题。目前我国粮库是通过磷化氢等熏蒸药剂进行熏蒸杀虫,从而达到防治害虫的目的。但是对于熏蒸效果的评定,是通过进行多次人工抽样的方式监测熏蒸过程中害虫的死亡情况,这种方式虽有一定的效果,却难以保障粮库工作人员的安全以及监测的实时性。基于此,粮库急需一种能够实时在线、自动监测熏蒸过程中害虫存活情况的方法。目前,我国一些粮库已经安装了高性能的储粮害虫图像采集装置,这些采集装置可以拍摄视频数据,收集粮库在熏蒸杀虫的过程中害虫的死亡情况。在这种条件下,可以设计一种内置图像采集装置的虫笼使熏蒸气体透过。首先将活虫放置于虫笼中,并将虫笼放置于熏蒸的粮仓中,然后通过虫笼中放置的图像采集装置拍摄虫笼中害虫存活过程的视频,之后将视频上传到后台系统后利用计算机视觉法对视频中害虫的死、活情况进行自动判别。在此设想下,本文提出了一种基于视频检测的储粮害虫死活评估算法,用来监测杀虫过程中害虫死亡的具体数量变化情况,从而达到实时监测熏蒸过程中储粮害虫死亡数量变化情况的目的。为了研究基于视频检测的储粮害虫死活评估算法,本文在实验室的环境里拍摄害虫死亡过程的视频,建立视频数据集用于检测模型的训练,通过这种方式为实际粮仓内害虫死活情况的监测完成算法上的准备。本文算法的核心是基于深度卷积神经网络的双流法网络,综合图像目标检测算法和两帧差分法进行识别,实现视频数据中害虫的定位与识别。测试结果表明本文提出的算法可有效检测储粮害虫的死活情况,检测平均正确率可以达到89.9%。本文主要完成的研究工作如下:1.本文通过Superyes摄像头和小米手机自带相机进行视频数据的拍摄,建立起一个储粮害虫死亡过程的视频数据集,在人工标记、数据扩充和数据预处理等流程后,将数据集应用于双流法神经网络的视频检测算法中。2.本文实现了基于双流法神经网络的视频检测算法,从而达到检测害虫存活情况的目的。其中对于双流法视频检测算法的研究包括:双流法视频检测的流程设计、双流法视频检测网络中空间流网络和时间流网络的设计、害虫的空间特征和运动特征的最佳融合方式和融合位置。3.本文在得到害虫视频目标检测结果的基础上,将简单的在线和实时跟踪算法(SORT)应用于害虫的多目标跟踪任务上,实现了对储粮害虫的多目标跟踪,更清晰地展现害虫的存活情况,从而对双流法视频目标检测的检测结果进行验证。
【图文】：

图２－２所示为数据扩充生成的图逡逑像

输出层,函数,激活函数

在原始的神经网络中，未加入激活函数时，神经网络只样将导致神经网络无法完整的描述数据的分布情况。为了解卷积层中加入一种非线性的激活函数，就可以将线性的拟合拟合函数，用以解决分类任务中线性不可分的问题。激活函式３－２所示：逡逑Ａ＼，ｊ，ｋ邋＝深度学习算法中，常见的激活函数包括Ｓｉｇｍｏｉｄ、Ｔａｎｈ、现之前，Ｓｉｇｍｏｉｄ函数和双曲正切函数Ｔａｎｈ通常用作激励函下面将更详细地描述Ｒｅｌｕ激活函数，在卷积神经网络数比Ｓｉｇｍｏｉｄ和Ｔａｎｈ函数训练速度更快，，这是由于它非决定的。而且相比于Ｓｉｇｍｏｉｄ和Ｔａｎｈ函数复杂的对数形式单的线性函数的激活来实现参数的变化，大大的加快了运算经网络的训练速度。Ｒｅｌｕ激活函数的表达式如下式３－３所示：逡逑ｆ邋＝邋ｍａｘ邋（ｗｘ，邋０）Ｒｅｌｕ激活函数示意图如下图３－１所示。逦逡逑
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;S379.5

【相似文献】