基于TridentNet算法的生态生物识别方法与流程

基于tridentnet算法的生态生物识别方法
技术领域
1.本发明涉及生物识别技术领域，尤其涉及基于tridentnet算法的生态生物识别方法。


背景技术：

2.水生物是判断河水是否受到污染的有效参照物。河水中不同化学物质的分布和浓度，将决定河中水生物的类型构成。一些水生物在某种河流条件下可以繁殖很快，在另一环境下则可能死亡，这是由河水中的不同成分决定的。因此，只要分析河流中水生物的类型构成，就可对某一河段中存在什么样的化学物质做出判断。水生生物群落与水环境有着错综复杂的相互关系，对水质变化起着重要作用。不同种类的水生生物对水体污染的适应能力不同，有的种类只适于在清洁水中生活，被称为清水生物(或寡污生物)。而有些水生生物则可以生活在污水中，被称为污水生物。水生生物的存亡标志着水质变化程度，因此生物成为水体污化的指标，通过水生生物的调查，可以评价水体被污染的状况。然而，现有的水生生物图像识别时，特征提取的不够全面，且识别率较低。


技术实现要素：

3.基于背景技术存在的技术问题，本发明提出了基于tridentnet算法的生态生物识别方法。
4.本发明提出的基于tridentnet算法的生态生物识别方法，包括如下步骤：
5.s1发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；
6.s2对采集的生物图像数据进行除杂处理，得到处理后的生物图像数据；
7.s3通过tridentnet算法对处理后的生物图像进行目标检测；
8.s31选取待识别的生物图像，采用三层图像金字塔对生物图像进行分解；
9.s32进行多分支特征提取：对每一层金字塔图像，分别检测不同尺寸的目标，金字塔图像越大，检测的目标尺寸越小；
10.s33将多分支进行融合：合并不同分支提取的特征图，得到融合后的预测框；
11.s34进行nms后处理：对融合后的预测框做筛选，得到融合后的生物特征图；
12.s4收集生态生物特征图，将收集的生物特征图进行分类，并建立生物特征数据库；
13.s5选取融合后的待识别生物特征图，并将待识别生物特征与生物特征数据库中的特征数据进行对比识别。
14.优选的，所述步骤s32采用了dilated convolution得到不同感受野的特征图。
15.优选的，所述步骤s33三个分支的特征最终需要使用concate操作做融合，用于预测输入图像的标签。
16.优选的，所述步骤s3采用了单一图像作为输入，且使用级联多分支学习输入图像的不同尺度的目标的特征。
17.优选的，所述步骤s1采集生物图像为彩色图像，将生物图像的彩色图像由rgb颜色
空间转为his颜色空间，获得his图像信息，his图像信息包括图像饱和度、亮度及位置信息。
18.优选的，所述步骤s2采集的生物图像通过对图像进行降维处理，降维处理有效去除冗余信息，提取有用特征。
19.优选的，所述步骤s3之前对图像进行大小调整和裁剪，以消除图像背景效应，对图像进行灰度处理。
20.优选的，所述步骤s5将识别成功结果进行发送，并将生态环境的图像数据存储至数据库中。
21.本发明中，所述基于tridentnet算法的生态生物识别方法，通过设置tridentnet算法，能够使用三层图像金字塔，得到不同尺度的目标有不同的感受野，提取的特征全面，能够便于提高生物识别率。
附图说明
22.图1为本发明提出的基于tridentnet算法的生态生物识别方法的流程图；
23.图2为本发明提出的基于tridentnet算法的生态生物识别方法的目标检测流程图。
具体实施方式
24.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
25.参照图1-2，基于tridentnet算法的生态生物识别方法，包括如下步骤：
26.s1发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；
27.s2对采集的生物图像数据进行除杂处理，得到处理后的生物图像数据；
28.s3通过tridentnet算法对处理后的生物图像进行目标检测；
29.s31选取待识别的生物图像，采用三层图像金字塔对生物图像进行分解；
30.s32进行多分支特征提取：对每一层金字塔图像，分别检测不同尺寸的目标，金字塔图像越大，检测的目标尺寸越小；
31.s33将多分支进行融合：合并不同分支提取的特征图，得到融合后的预测框；
32.s34进行nms后处理：对融合后的预测框做筛选，得到融合后的生物特征图；
33.s4收集生态生物特征图，将收集的生物特征图进行分类，并建立生物特征数据库；
34.s5选取融合后的待识别生物特征图，并将待识别生物特征与生物特征数据库中的特征数据进行对比识别。
35.本发明中，步骤s32采用了dilated convolution得到不同感受野的特征图。
36.本发明中，步骤s33三个分支的特征最终需要使用concate操作做融合，用于预测输入图像的标签。
37.本发明中，步骤s3采用了单一图像作为输入，且使用级联多分支学习输入图像的不同尺度的目标的特征。
38.本发明中，步骤s1采集生物图像为彩色图像，将生物图像的彩色图像由rgb颜色空间转为his颜色空间，获得his图像信息，his图像信息包括图像饱和度、亮度及位置信息。
39.本发明中，步骤s2采集的生物图像通过对图像进行降维处理，降维处理有效去除
冗余信息，提取有用特征。
40.本发明中，步骤s3之前对图像进行大小调整和裁剪，以消除图像背景效应，对图像进行灰度处理。
41.本发明中，步骤s5将识别成功结果进行发送，并将生态环境的图像数据存储至数据库中。
42.本发明：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行除杂处理，得到处理后的生物图像数据；通过tridentnet算法对处理后的生物图像进行目标检测；选取待识别的生物图像，采用三层图像金字塔对生物图像进行分解；进行多分支特征提取：对每一层金字塔图像，分别检测不同尺寸的目标，金字塔图像越大，检测的目标尺寸越小；将多分支进行融合：合并不同分支提取的特征图，得到融合后的预测框；进行nms后处理：对融合后的预测框做筛选，得到融合后的生物特征图；收集生态生物特征图，将收集的生物特征图进行分类，并建立生物特征数据库；选取融合后的待识别生物特征图，并将待识别生物特征与生物特征数据库中的特征数据进行对比识别。
43.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。


技术特征：
1.基于tridentnet算法的生态生物识别方法，其特征在于，包括如下步骤：s1发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；s2对采集的生物图像数据进行除杂处理，得到处理后的生物图像数据；s3通过tridentnet算法对处理后的生物图像进行目标检测；s31选取待识别的生物图像，采用三层图像金字塔对生物图像进行分解；s32进行多分支特征提取：对每一层金字塔图像，分别检测不同尺寸的目标，金字塔图像越大，检测的目标尺寸越小；s33将多分支进行融合：合并不同分支提取的特征图，得到融合后的预测框；s34进行nms后处理：对融合后的预测框做筛选，得到融合后的生物特征图；s4收集生态生物特征图，将收集的生物特征图进行分类，并建立生物特征数据库；s5选取融合后的待识别生物特征图，并将待识别生物特征与生物特征数据库中的特征数据进行对比识别。2.根据权利要求1所述的基于tridentnet算法的生态生物识别方法，其特征在于，所述步骤s32采用了dilated convolution得到不同感受野的特征图。3.根据权利要求1所述的基于tridentnet算法的生态生物识别方法，其特征在于，所述步骤s33三个分支的特征最终需要使用concate操作做融合，用于预测输入图像的标签。4.根据权利要求1所述的基于tridentnet算法的生态生物识别方法，其特征在于，所述步骤s3采用了单一图像作为输入，且使用级联多分支学习输入图像的不同尺度的目标的特征。5.根据权利要求1所述的基于tridentnet算法的生态生物识别方法，其特征在于，所述步骤s1采集生物图像为彩色图像，将生物图像的彩色图像由rgb颜色空间转为his颜色空间，获得his图像信息，his图像信息包括图像饱和度、亮度及位置信息。6.根据权利要求1所述的基于tridentnet算法的生态生物识别方法，其特征在于，所述步骤s2采集的生物图像通过对图像进行降维处理，降维处理有效去除冗余信息，提取有用特征。7.根据权利要求1所述的基于tridentnet算法的生态生物识别方法，其特征在于，所述步骤s3之前对图像进行大小调整和裁剪，以消除图像背景效应，对图像进行灰度处理。8.根据权利要求1所述的基于tridentnet算法的生态生物识别方法，其特征在于，所述步骤s5将识别成功结果进行发送，并将生态环境的图像数据存储至数据库中。

技术总结
本发明公开了基于TridentNet算法的生态生物识别方法，包括如下步骤：发起生态生物识别请求，根据请求在生态环境中采集生物图像数据；对采集的生物图像数据进行除杂处理，得到处理后的生物图像数据；通过TridentNet算法对处理后的生物图像进行目标检测；收集生态生物特征图，将收集的生物特征图进行分类，并建立生物特征数据库；选取融合后的待识别生物特征图，并将待识别生物特征与生物特征数据库中的特征数据进行对比识别。本发明通过设置TridentNet算法，能够使用三层图像金字塔，得到不同尺度的目标有不同的感受野，提取的特征全面，能够便于提高生物识别率。能够便于提高生物识别率。能够便于提高生物识别率。


技术研发人员：杨志峰 沈永明 张远 蔡宴朋
受保护的技术使用者：澜途集思生态科技集团有限公司
技术研发日：2022.06.16
技术公布日：2022/9/2