一种减少样本量的AI鸟类识别方法与流程

本发明涉及ai鸟类识别，具体是涉及一种减少样本量的ai鸟类识别方法。

背景技术：

1、鸟类识别是指通过观察鸟类的外形特征、色彩、叫声、行为等来判断鸟类属种的过程，是鸟类学家和观鸟者的必备技能。

2、ai鸟类识别技术是利用人工智能技术识别和分类鸟类的一种新型技术，它可以有效自动识别不同类型的鸟类，为研究和保护鸟类提供重要的帮助。

3、对于目前ai识别技术应用于鸟类物种识别，需要大量的实景图片样本，不便于ai鸟类识别技术的用户灵便使用。此外，图片清晰度和拍摄角度也会一定程度上影响识别结果，对用户的拍照技术有一定要求。

技术实现思路

1、本发明解决的技术问题是：现有的用于鸟类识别的深度学习网络模型识别，往往需要大量的样本作为识别依据。

2、为解决上述问题，本发明的技术方案如下：

3、一种减少样本量的ai鸟类识别方法，包括：

4、基于特征提取模型构建物种特征数据库，物种特征数据库包括m×k个鸟类图像的关键特征；其中，m为鸟类图像的物种数量，k为每一个物种的鸟类图像的数量，5≤k≤10，m≥2；关键特征包括13个鸟类身体的部位特征，分别为：嘴锋、顶冠、喉、喙、胸、腹、背、上背、腰、胁、腿、爪、尾，

5、采用特征提取模型提取待识别图像中鸟的关键特征；

6、计算物种特征数据库中的m×k个关键特征与待识别图像中鸟的关键特征之间的相似度；

7、根据物种特征数据库中的m×k个关键特征与待识别图像中鸟的关键特征之间的相似度结果，确定待识别图像中鸟的种类。

8、作为本发明的另一个方面，特征识别模型的训练过程为：

9、获取数万张鸟类的物种图片，标注物种图片中的鸟类物种及关键特征的中心点后，得到鸟类图像训练集；

10、通过卷积神经网络构建特征提取模型，特征提取模型的输出为输入图片的关键特征、关键特征的1000维度的特征向量；

11、通过鸟类图像训练集训练特征提取模型：将鸟类图像训练集中的物种图片输入特征提取模型，特征提取模型输出物种图片的关键特征、关键特征的1000维度的特征向量，将特征提取模型输出的关键特征与对应物种图片中标注的关键特征进行相似度对比，计算特征提取模型的识别成功率，并根据比对结果调整特征提取模型，直至特征提取模型的识别成功率大于99％。

12、作为本发明的另一个方面，ai鸟类识别方法还包括：

13、图像质量判断模型通过拉普拉斯算子计算鸟类图像的二阶导数从而对鸟类图像进行边缘检测，在此基础上对鸟类图像求取方差，从p个鸟类图像中确定m×k个方差在3500以上的鸟类图像。

14、作为本发明的另一个方面，相似度通过将特征提取模型提取的关键特征的1000个维度向量与物种特征数据库包括m×k个鸟类图像的关键特征的1000个维度向量进行向量距离比较得到，相似度的数量为m×k个。

15、作为本发明的另一个方面：

16、用于构建物种特征数据库的鸟类图像包括姿态为正面、侧面、背面的鸟类图像；

17、用于训练特征提取模型的鸟类图像训练集中的鸟类图像包括姿态为正面、侧面、背面的鸟类图像。

18、作为本发明的另一个方面，ai鸟类识别方法还包括：

19、对用于构建物种特征数据库的鸟类图像、用于训练特征提取模型的鸟类图像进行正面、侧面、背面识别。

20、本发明还提供了一种ai鸟类识别装置，包括：

21、模型训练模块，特征提取模型训练模块用于通过鸟类图像训练集训练特征提取模型，

22、物种特征数据库构建模块，物种特征数据库构建模块基于特征提取模型构建物种特征数据库，物种特征数据库存储有鸟类图像的关键特征，

23、鸟类识别模块，鸟类识别模块用于物种特征数据库中的m×k个关键特征与待识别图像中鸟的关键特征之间的相似度，从而根据相似度最高的关键特征得到待识别图像中鸟的种类。

24、本发明还提供了一种电子设备，包括处理器和与处理器耦合连接的存储器；存储器用于存储计算机指令，当电子设备运行时，处理器执行存储器存储的计算机指令，以使得电子设备执行前述的方法。

25、本发明的有益效果是：

26、(1)本发明通过图片质量判断模型筛选出清晰的图片，避免像素过低的图片对ai训练造成误导，提升1000维度特征的参考点质量，从而进一步提高识别准确率，通过标注关键特征中心点，排除对模型性能几乎没有帮助的冗余特征，保持特征子集的优良性，产生成熟的ai识别模型；

27、(2)本发明在需要增加ai鸟类识别方法所能识别的新鸟类物种时，只需对应每种新鸟类物种分别准备5至10张鸟类图像，再通过特征提取模型提取鸟类图像中的关键特征、关键特征的1000维度的特征向量，再将关键特征的1000维度的特征向量加入物种特征数据库即可；上述过程无须准备大量的物种图片以对特征提取模型进行再次训练，也不需要人工对鸟类图像中的关键特征进行识别，更不需要修改ai鸟类识别方法的识别逻辑，仅需准备少量(每种鸟类5至10张)的鸟类物种图像即可，与此同时，还能保证较高的识别水平。

技术特征：

1.一种减少样本量的ai鸟类识别方法，其特征在于，包括：

2.如权利要求1所述的ai鸟类识别方法，其特征在于，所述特征识别模型的训练过程为：

3.如权利要求1所述的ai鸟类识别方法，其特征在于，所述ai鸟类识别方法还包括：

4.如权利要求1所述的ai鸟类识别方法，其特征在于，所述相似度通过将所述特征提取模型提取的关键特征的1000个维度向量与所述物种特征数据库包括m×k个鸟类图像的关键特征的1000个维度向量进行向量距离比较得到，相似度的数量为m×k个。

5.如权利要求1所述的ai鸟类识别方法，其特征在于：

6.如权利要求1所述的ai鸟类识别方法，其特征在于，所述ai鸟类识别方法还包括：

7.一种ai鸟类识别装置，其特征在于，包括：

技术总结
本发明提供了一种减少样本量的AI鸟类识别方法，属于AI鸟类识别技术领域。方法基于特征提取模型构建物种特征数据库，物种特征数据库包括M×K个鸟类图像的关键特征；采用特征提取模型提取待识别图像中鸟的关键特征；计算物种特征数据库中的关键特征与待识别图像中鸟的关键特征之间的相似度；根据物种特征数据库中的关键特征与待识别图像中鸟的关键特征之间的相似度结果，确定待识别图像中鸟的种类。本发明解决了现有的用于鸟类识别的深度学习网络模型识别，往往需要大量的样本作为识别依据的问题，具有样本量小且识别效果好的优点。

技术研发人员：胡慧建,代家鑫,梁健超,吴欢欢,何源,国宇轩
受保护的技术使用者：广州当康自然资源科技有限公司
技术研发日：
技术公布日：2024/1/15