摘要
本发明提供一种基于图像片段信息差因子的蚊类检测方法,包括:获取蚊类图像,构建蚊类图像数据集,并对蚊类图像数据集进行预处理;应用不平衡学习算法,对预处理的蚊类图像数据集进行数据增强,并划分训练集、验证集和测试集;基于改进CeiT算法,构建图像识别网络模型;初始化图像识别网络模型,设置训练参数,并使用划分的训练集训练图像识别网络;将测试集的图像输入训练的图像识别网络模型,预测图像识别和分类结果;将训练的图像识别网络模型移植到Jetson Xavier NX嵌入式开发平台上,并使用验证集进行识别验证。本发明提出的方法使具有复杂背景和难以辨别的细粒度蚊类识别的精度和速度得到有效提升。
技术关键词
嵌入式开发平台
图像
因子
特征提取网络
训练集
样本
特征提取模块
学习算法
浅层特征提取
输出特征
数据
深度学习框架
摄像头接口
细粒度特征
超参数
判定算法
网络深度
消除噪声
系统为您推荐了相关专利信息
位姿估计方法
坐标系
视觉
三维扫描仪器
状态智能监测
风机控制系统
PID控制参数
算法
数学模型
交流异步电机