(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210646228.2 (22)申请日 2022.06.08 (71)申请人 北京市农林科 学院信息技 术研究中 心 地址 100097 北京市海淀区曙光 花园中路 11号农科大厦A座1 107 (72)发明人 李文勇　郑腾飞　吕佳威　孙传恒　 杨信廷　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 龚利波 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 田间昆虫识别方法及装置 (57)摘要 本发明提供一种田间昆虫识别方法及 装置， 该方法包括： 获取目标图像； 将目标图像输入昆 虫识别模型， 获取昆虫识别模型输出的目标图像 的昆虫识别结果； 其中， 目标图像中包括田间昆 虫； 昆虫识别模型是 以样本图像为样本， 以样本 图像的昆虫识别结果为样本标签进行训练后得 到的； 样本图像中包括田间昆虫； 昆虫识别模型 是基于融合通道信息和位置信息的双注意力机 制以及MobileNet网络构建的。 本发明提供的田 间昆虫识别方法及装置， 能通过在轻量级的 MobileNet网络中引入双注意力机制， 实现在降 低模型复杂度、 参数量和推理时长的同时， 保持 较高的田间昆虫识别准确率， 实现昆虫识别模型 在移动设备中的部署和应用。 权利要求书3页 说明书16页 附图5页 CN 115100517 A 2022.09.23 CN 115100517 A 1.一种田间昆虫识别方法， 其特 征在于， 包括： 获取目标图像； 将所述目标图像输入昆虫识别模型， 获取所述昆虫识别模型输出的所述目标图像的昆 虫识别结果； 其中， 所述目标图像中包括田间昆虫； 所述昆虫识别模型是以样本图像为样本， 以所述 样本图像的昆虫识别结果为样本标签进行训练后得到的； 所述样本图像中包括田间昆虫； 所述昆虫识别模 型是基于融合通道信息和位置信息的双注 意力机制以及MobileNet网络构 建的。 2.根据权利要求1所述的田间昆虫识别方法， 其特征在于， 所述昆虫识别模型， 包括： 依 次串行连接的卷积模块、 倒残差模块、 平均池化模块和分类模块； 所述倒残差模块是基于所 述双注意力机制构建的； 所述卷积模块的输入为所述目标图像； 所述倒残差模块的输入为所述卷积模块的输出； 所述平均池化模块的输入为所述倒残差模块的输出； 所述分类模块的输入为所述平均池化模块的输出。 3.根据权利要求2所述的田间昆虫识别方法， 其特征在于， 所述倒残差模块， 包括： 串行 连接的N个第一倒残差子模块； N为大于1的正整 数； 任一第一倒残差子模块的输入为所述卷 积模块的输出， 或者 为所述任一第一倒残差 子模块的上一个第一倒残差 子模块的输出； 所述第一倒残差子模块， 包括： 第一倒残差单元、 第二倒残差单元、 第一池化单元和特 征融合单元； 所述第一倒残差单元和所述第二倒残差单元是基于所述双注意力机制构建 的； 所述第一倒残差单元的输入为所述卷积模块的输出， 或者为与 所述第一倒残差单元串 行连接的上一个第一倒残差 子模块的输出； 所述第二倒残差单元的输入和所述第 一池化单元的输入， 均为所述第 一倒残差单元的 输出； 所述特征融合单元的输入， 为所述第一池化单元的输出和所述第二倒残差单元的输 出； 所述特征融合单 元的输出为所述第一倒残差 子模块的输出。 4.根据权利要求3所述的田间昆虫识别方法， 其特征在于， 所述倒残差模块， 还包括： M 个第二倒残差子模块； N个第一倒残差子模块和M个第二倒残差子模块按照预设顺序依次串 行连接的； M为大于 0的正整数； 任一第一倒残差子模块的输入为所述卷积模块的输出， 或者为所述任一第 一倒残差子 模块的上一个第一倒残差子模块的输出， 或者为所述任一第一倒残差子模块的上一个第二 倒残差子模块的输出； 任一第二倒残差子模块的输入， 为所述卷积模块的输出， 或者为所述 任一第二倒残差子模块的上一个第一倒残差子模块的输出， 或者为所述任一第一倒残差单 元的上一个第二倒残差 子模块的输出； 所述第二倒残差 子模块， 包括： 所述第一倒残差单 元。 5.根据权利要求3所述的田间昆虫识别方法， 其特征在于， 所述第一倒残差单元， 包括： 第一卷积子单 元和第一注意力机制子单 元；权　利　要　求　书 1/3 页 2 CN 115100517 A 2所述第一卷积子单元， 包括： 依次串行连接的第一卷积层、 第二卷积层、 第三卷积层和 第一特征融合层； 所述第一注意力机制子单 元， 包括： 第一注意力机制层和第二特 征融合层； 所述第一卷积层的输入为所述卷积模块的输出， 或者为与所述第 一卷积层串行连接的 上一个第一倒残差子模块的输出， 或者为与所述第一卷积层串行连接的上一个第二倒残差 子模块的输出； 所述第二卷积层的输入为所述第一卷积层的输出； 所述第一注意力 机制层的输入为所述第 二卷积层的输出； 所述第 一注意力 机制层用于 对所述第二卷积层的输出进行双注意力机制处 理； 所述第二特征融合层的输入， 为所述第 一注意力 机制层的输出和所述第 二卷积层的输 出； 所述第三卷积层的输入为所述第二特 征融合层的输出； 所述第一特征融合层的输入， 为所述第一卷积层的输入和所述第三卷积层的输出， 所 述第一特 征融合层的输出为所述第一倒残差单 元的输出。 6.根据权利要求3所述的田间昆虫识别方法， 其特征在于， 所述第二倒残差单元， 包括： 第二卷积子单 元和第二注意力机制子单 元； 所述第二卷积子单 元， 包括： 依次串行 连接的第四卷积层、 第五卷积层和第六 卷积层； 所述第二注意力机制子单 元， 包括： 第二注意力机制层和第三特 征融合层； 所述第四卷积层的输入为与所述第四卷积层串行连接的上一个第一倒残差单元的输 出； 所述第五卷积层的输入为所述第四卷积层的输出； 所述第二注意力 机制层的输入为所述第五卷积层的输出； 所述第 二注意力 机制层用于 对所述第五卷积层的输出进行双注意力机制处 理； 所述第三特征融合层的输入为所述第二注意力机制层的输出和所述第五卷积层的输 出； 所述第六卷积层的输入为所述第 三特征融合层的输出， 所述第六卷积层的输出为所述 倒残差模块的输出。 7.根据权利要求1至6任一所述的田间昆虫识别方法， 其特征在于， 所述昆虫识别模型 中的激活函数为FReLU激活函数。 8.根据权利要求2至6任一所述的田间昆虫识别方法， 其特征在于， 所述平均池化模块， 包括： 串行连接的X个卷积单元和Y个池化单元； 任意两个卷积单元不相 邻； 任意两个池化单 元不相邻； X和Y均为大于 0的正整数。 9.一种田间昆虫识别装置， 其特 征在于， 包括： 图像获取模块， 用于获取目标图像； 昆虫识别模块， 用于将所述目标图像输入昆虫识别模型， 获取所述昆虫识别模型输出 的所述目标图像的昆虫识别结果； 其中， 所述目标图像中包括田间昆虫； 所述昆虫识别模型是以样本图像为样本， 以所述 样本图像的昆虫识别结果为样本标签进行训练后得到的； 所述样本图像中包括田间昆虫； 所述昆虫识别模 型是基于融合通道信息和位置信息的双注 意力机制以及MobileNet网络构权　利　要　求　书 2/3 页 3 CN 115100517 A 3