1.一种基于动态场景的病虫害检测方法,其特征在于,包括:
S1,获取动态场景下多个病虫害初始图像和病虫害遮挡图像,对病虫害初始图像和病虫害遮挡图像进行预处理;
S2,根据预处理后的病虫害初始图像和病虫害遮挡图像,提取病虫害识别的遮挡区域,并按照遮挡区域的特征信息,设置遮挡区域对应的形态关联矩阵;
S3,根据遮挡区域的形态关联矩阵,识别病虫害初始图像和病虫害遮挡图像的特征交互信息,并基于特征交互信息形成自适应交互模型;
S4,使用自适应交互模型,识别病虫害初始图像中对应的病虫害边界和病虫害类别,确定病虫害初始图像的边界分布概率和类别概率;
S5,根据病虫害初始图像的边界分布概率和类别概率,使用近似矩阵进行位置调整,圈定病虫害预测位置。
2.根据权利要求1所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S1的实现方式还包括:S11,分别获取病虫害初始图像和病虫害遮挡图像的采集时间和坐标;
S12,使用RAFT算法计算病虫害初始图像和病虫害遮挡图像间的稠密光流场,获取光流位移向量;
S13,根据光流位移向量对病虫害遮挡图像进行反向映射,使两图像视角一致。
3.根据权利要求1所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S2的实现方式还包括:S21,使用预处理后的病虫害初始图像和病虫害遮挡图像进行遮挡区域检测,确定病虫害遮挡图像中的遮挡区域;
S22,提取遮挡区域对应的纹理特征和形状特征,并构建多尺度特征金字塔,基于多尺度特征金字塔对遮挡区域进行特征提取,描述遮挡区域在各层次下的差异特征;
S23,根据遮挡区域的差异特征,统计各层次的虫害概率,识别对应虫害概率下当前遮盖区域与周围区域的纹理关联,得到遮挡区域对应的形态关联矩阵。
4.根据权利要求3所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S21中遮档区域检测的识别方式包括:将预处理后的病虫害初始图像和病虫害遮挡图像进行像素点差分,识别像素点差分时各差异点,将各差异点按坐标位置进行连接,将连接后各差异点对应的最小外接矩形设为遮挡区域。
5.根据权利要求3所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S22的实现方式包括:S221,基于遮挡区域对应的多尺度特征金字塔,进行多尺度差异特征提取,计算各层差异特征,并确定各层次的余弦相似度差异和图结构差异;
S222,使用各层次的余弦相似度差异和图结构差异与差异特征进行映射,确定映射后各层次的余弦相似度差异和图结构差异与差异特征的组合概率,并将对应组合概率对应的数据输出为遮挡区域在各层次下的差异特征。
6.根据权利要求3所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S23的实现方式还包括:S231,根据遮挡区域的差异特征,计算各层次的虫害概率;
S232,提取虫害概率下的局部纹理特征,并按照局部纹理特征在遮挡区域上的位置进行关联,将关联后的数据作为形态关联矩阵。
7.根据权利要求1所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S3还包括:S31,基于遮挡区域的形态关联矩阵,识别当前遮盖区域的特征关联情况,并设置空间关联矩阵;
S32,基于空间关联矩阵,识别特征交互信息的特征边界,并按照特征边界依次对病虫害初始图像和病虫害遮挡图像进行特征交互。
8.根据权利要求1所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S4的实现方式包括:根据自适应交互模型的输出结果,获取病虫害初始图像在特征交互后的多个中间边界框,并按照多个中间边界框与预测边界框之间的差异,组成概率矩阵,并取概率矩阵的平均值作为边界框的不确定矩阵;根据边界框的不确定矩阵,确定当前病虫害初始图像对应的边界分布概率;
获取中间边界框内对应的物体标签,并按照对应物体标签的出现概率,设置当前病虫害初始图像对应的类别概率。
9.根据权利要求1所述的一种基于动态场景的病虫害检测方法,其特征在于,步骤S5的实现方式包括,边界分布概率和类别概率进行垂直连接,将垂直连接后的数据转化为近似矩阵,获取近似矩阵的目标函数,判断近似矩阵的输出是否符合预期精度,符合预期精度时,将对应位置输出为病虫害预测位置。
10.一种基于动态场景的病虫害检测系统,其特征在于,包括:图像获取模块,用于获取动态场景下的病虫害初始图像和病虫害遮挡图像,并进行预处理;
遮挡区域检测模块,用于检测病虫害遮挡图像中的遮挡区域,并提取遮挡区域的纹理特征和形状特征,构建多尺度特征金字塔,使用多尺度特征金字塔设置遮挡区域对应的形态关联矩阵;
自适应交互模块:用于根据遮挡区域的形态关联矩阵,识别病虫害初始图像和病虫害遮挡图像的特征交互信息,构建自适应交互模型;
病虫害识别模块,用于使用自适应交互模型识别病虫害初始图像中的病虫害边界和类别,计算边界分布概率和类别概率;
位置预测模块,用于根据边界分布概率和类别概率,使用近似矩阵进行位置调整,圈定病虫害预测位置。