本發(fā)明屬于害蟲監(jiān)控預(yù)警領(lǐng)域，特別涉及基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)。

背景技術(shù)：

1、在農(nóng)作物生長期，害蟲存在突發(fā)性、危害面積大，及時發(fā)現(xiàn)和控制害蟲，采取了積極的防治措施，可以確保農(nóng)作物的產(chǎn)量和質(zhì)量。目前，害蟲主要靠人工識別，智能化檢測程度低，因此，需要一種有效的害蟲預(yù)警檢測系統(tǒng)，及時的發(fā)現(xiàn)農(nóng)作物中的害蟲。

2、近年來，國內(nèi)外研究學者將機器視覺算法利用在農(nóng)業(yè)害蟲識別檢測領(lǐng)域。其中有種方法是采用固定位置放置粘蟲板捕捉害蟲并自動識別，同時利用自動閾值分割，標粘連處理、目標識別和利用生物特征干擾去除等機器視覺方法，為病害蟲防治提供依據(jù)。還有利用聚類和濾波的方法識別病害蟲，或采用多重pcr方法檢測，鑒定關(guān)于谷蠹、谷象、米象、玉米象、麥蛾的蟲態(tài)。

3、關(guān)于害蟲檢測模型，有以下幾種：1、一種改進retinanet的水稻冠層害蟲為害狀自動檢測模型，模型中采用resnext101作為特征提取網(wǎng)絡(luò)，該模型對2種害蟲為害狀區(qū)域檢測的平均精度均值達到93.76％；2、利用卷積神經(jīng)網(wǎng)絡(luò)(convolutional?neural?networks，cnn)模型識別農(nóng)作物中存在的幾十種病害蟲，取得較好的檢測效果；3、利用太赫茲光譜儀加裝反射成像模塊，對麥粒內(nèi)部結(jié)構(gòu)進行太赫茲層成像，該方法能夠有效地識別出麥粒內(nèi)部的蟲蛀區(qū)域，但未能實現(xiàn)堆積麥粒蟲蛀損害的在線監(jiān)測；4、建立真實背景下糧倉害蟲圖像數(shù)據(jù)集sgi－6，使用聚類算法改進fasterr－cnn模型的區(qū)域提案網(wǎng)絡(luò)，識別六種常見的儲糧害蟲，且其平均準確率(map)達到96.63％。

4、以上識別檢測害蟲的的方法是基于數(shù)字圖像處理技術(shù)和基于深度學習的方法，存在依賴先驗規(guī)則，樣本訓(xùn)練規(guī)則，場景單一和計算資源大的缺點。對此類問題的研究需要尋求新技術(shù)的突破。動物的視覺神經(jīng)系統(tǒng)在長時間的進化演變中，適應(yīng)實際場景中對目標有特殊偏好的響應(yīng)檢測神經(jīng)元，例如，果蠅的視覺系統(tǒng)感知外部環(huán)境中視覺信息，且能獲取視場中明暗光線強度的行為變化量，利用神經(jīng)層中小葉板切向細胞(lobula?platetangential?cells,lptc)檢測目標的運動方向，實現(xiàn)目標的檢測、跟蹤等功能。然而，目前尚未有借助生物啟發(fā)構(gòu)建農(nóng)作物害蟲目標檢測技術(shù)模型的相關(guān)研究報道。因此，借助果蠅視覺神經(jīng)系統(tǒng)探索和設(shè)計在視覺場景中農(nóng)作物中出現(xiàn)害蟲的預(yù)警檢測模型尤為重要。

技術(shù)實現(xiàn)思路

1、本發(fā)明意在提供基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，以解決現(xiàn)有的害蟲檢測方法存在的依賴先驗規(guī)則，樣本訓(xùn)練規(guī)則，場景單一和計算資源大的問題。

2、本方案中的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，包括用于處理視頻信息的突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)和用于構(gòu)建預(yù)警監(jiān)測模型的突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)；

3、所述突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)包括以下步驟：

4、步驟一：設(shè)有photoreceptor和retina神經(jīng)層，photoreceptor神經(jīng)層用于接受視頻信息，retina神經(jīng)層對photoreceptor神經(jīng)層接受到的信息做降噪處理，具體計算公式如下：

5、

6、步驟二：設(shè)有l(wèi)amina神經(jīng)層，所述lamina神經(jīng)層利用分流抑制處理獲得的信息輸出量，計算公式如下：

7、

8、步驟三：設(shè)有medulla神經(jīng)層，所述medulla神經(jīng)層主要匯總lamina神經(jīng)層的每個節(jié)點的信息輸出，計算公式如下：

9、mt(u,v)＝χt(3r+1,3s+1)×χt-1(3r+u,3s+v)-χt-1(3r+1,3s+1)×χt(3r+u,3s+v)

10、所述突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)包括以下步驟：

11、步驟四：設(shè)有l(wèi)ptc神經(jīng)層，所述lptc神經(jīng)層接受突觸前神經(jīng)系統(tǒng)中信息的輸出量，根據(jù)lptc輸出量設(shè)計自適應(yīng)閾值，計算公式如下：

12、

13、步驟五：設(shè)有ffc神經(jīng)層，所述ffc神經(jīng)層接受photoreceptor神經(jīng)層中目標信息光亮強度的變化，消除原始輸入信息中的噪聲干擾，計算公式如下：

14、

15、步驟六：設(shè)有ssc神經(jīng)層，所述ssc神經(jīng)層依據(jù)lptc和ffc輸出的信息構(gòu)建預(yù)警模型，進而決定何時發(fā)出預(yù)警信號，計算公式如下：

16、

17、進一步，所述步驟一中zt是r層細胞(i,j)在第t幀時刻的輸出膜電位；pt、pt-1和pt-2分別存儲t時刻幀、t-1時刻幀和t-2時刻幀的像素值。

18、進一步，所述步驟四中σt(th)為門限閾值，t當前幀圖像，當農(nóng)業(yè)中出現(xiàn)害蟲時，會觸發(fā)小葉板切向細胞的輸出量，當?shù)竭_一定程度會出現(xiàn)尖峰信號：

19、

20、其中1表示出現(xiàn)尖峰信號。

21、進一步，所述步驟五中wij的平滑濾波核可以表示為：

22、經(jīng)由下式可得t幀的平均灰度值：

23、

24、隨后，經(jīng)由下式對上式獲得的平均灰度值作平滑處理：

25、

26、進一步，式中，nc是圖像幀的時間步長，kl＝sigmoid(ncxl)是時間步長的持久性系數(shù)，最后對ffc的輸出作歸一化處理：

27、st(ffc)＝2(sigmoid(ft(ffc))-0.5)

28、并經(jīng)由下式可得t幀時刻前饋細胞發(fā)送尖峰信號：

29、

30、其中，tffc是一個動態(tài)閾值，tffc＝tfo+αffc×st(ffc)，tfo和αffc為給定的常數(shù)因子。

31、進一步，所述步驟六中，tssc借用上述檢測閾值方案獲得動態(tài)檢測閾值，ssct借助ffc神經(jīng)元細胞獲得其輸出行為量：

32、

33、式中，ns表上在一段時間內(nèi)連續(xù)出現(xiàn)尖峰信號的個數(shù)。st(m)由m神經(jīng)節(jié)點細胞輸出量獲得，對其輸出進行歸一化處理：

34、

35、式中，1表示發(fā)出預(yù)警檢測信號。

36、有益效果：該系統(tǒng)基于果蠅視覺系統(tǒng)網(wǎng)絡(luò)的生物啟發(fā)，將單目攝像機拍攝的視頻圖像序列進行加工處理獲得目標信息后，送入系統(tǒng)網(wǎng)絡(luò)模型中時空位置信息膜電位興奮量的變化，對視野信息進行加工處理，以此判斷害蟲的信息。

37、該模型基于果蠅視覺神經(jīng)系統(tǒng)的前饋神經(jīng)元細胞和lptc神經(jīng)元響應(yīng)特性機理構(gòu)建合成尖峰神經(jīng)元細胞感知農(nóng)作物中存在的害蟲信息，實現(xiàn)預(yù)警檢測，該系統(tǒng)能夠有效檢測到害蟲的存在，大大減少了農(nóng)作物遭受損害的風險，且誤差較小，整體穩(wěn)定性高。

技術(shù)特征：

1.基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，其特征在于：包括用于處理視頻信息的突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)和用于構(gòu)建預(yù)警監(jiān)測模型的突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)；

2.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，其特征在于：所述步驟一中zt是r層細胞(i,j)在第t幀時刻的輸出膜電位；pt、pt-1和pt-2分別存儲t時刻幀、t-1時刻幀和t-2時刻幀的像素值。

3.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，其特征在于：所述步驟四中σt(th)為門限閾值，t當前幀圖像，當農(nóng)業(yè)中出現(xiàn)害蟲時，會觸發(fā)小葉板切向細胞的輸出量，當?shù)竭_一定程度會出現(xiàn)尖峰信號：

4.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，其特征在于：所述步驟五中wij的平滑濾波核可以表示為：

5.根據(jù)權(quán)利要求4所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，其特征在于：式中，nc是圖像幀的時間步長，kl＝sigmoid(ncxl)是時間步長的持久性系數(shù)，最后對ffc的輸出作歸一化處理：

6.根據(jù)權(quán)利要求1所述的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，其特征在于：所述步驟六中，tssc借用上述檢測閾值方案獲得動態(tài)檢測閾值，ssct借助ffc神經(jīng)元細胞獲得其輸出行為量：

技術(shù)總結(jié)
本方案公開了害蟲監(jiān)控預(yù)警領(lǐng)域的基于果蠅感知神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲檢測預(yù)警系統(tǒng)，包括突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)和突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)，所述突觸前神經(jīng)系統(tǒng)網(wǎng)絡(luò)用于處理視頻信息，所述突觸后神經(jīng)系統(tǒng)網(wǎng)絡(luò)用于構(gòu)建預(yù)警監(jiān)測模型。基于果蠅視覺系統(tǒng)網(wǎng)絡(luò)的生物啟發(fā)，對視野信息進行加工處理。提出一種APDNNM視覺神經(jīng)網(wǎng)絡(luò)模型，用于解決智能視頻監(jiān)控中的害蟲檢測的技術(shù)問題。該模型基于果蠅視覺神經(jīng)系統(tǒng)的前饋神經(jīng)元細胞和LPTC神經(jīng)元響應(yīng)特性機理構(gòu)建合成尖峰神經(jīng)元細胞感知農(nóng)作物中存在的害蟲信息，實現(xiàn)預(yù)警檢測。

技術(shù)研發(fā)人員：胡常俊,夏紅紅,肖秀娟,陳秋菊
受保護的技術(shù)使用者：茅臺學院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17