(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 202210781248.0 (22)申请日 2022.07.04 (71)申请人 澜途集思生态科技 集团有限公司 地址 100000 北京市海淀区蓝靛厂东路2号 院金源时代商务中心 2号楼A座6D (72)发明人 杨志峰　沈永明　张远　蔡宴朋　 (74)专利代理 机构 北京市京师律师事务所 11665 专利代理师 黄熊 (51)Int.Cl. G06V 20/05(2022.01) G06V 40/10(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06F 16/51(2019.01) G06F 16/54(2019.01) (54)发明名称 基于DetectoRS算法的生态生物 识别方法 (57)摘要 本发明公开了基于DetectoRS算法的生态生 物识别方法， 包括如下步骤： 发起生态生物识别 请求， 根据请求在生态环境中通过采集器采集生 物图像， 并将采集的生物图像进行存储； 收集生 态生物特征， 将收集的生态特征进行收集分类， 并建立分布式生态特征数据库； 通过DetectoRS 算法对采集的生物图像数据进行目标检测； 将得 到的融合后特征与生态特征数据库中的特征数 据进行对比识别。 本发明通过设置DetectoRS算 法， 提出了递归特征金字塔RFN， 在微观上提出了 可切换空洞卷积SA C， 能够提高目标检测的精度， 便于提高生物的识别率。 权利要求书1页 说明书3页 附图2页 CN 115035400 A 2022.09.09 CN 115035400 A 1.基于DetectoRS算法的生态生物 识别方法， 其特 征在于， 包括如下步骤： S1发起生态生物识别请求， 根据请求在生态环境中通过采集器采集生物图像， 并将采 集的生物图像进行存 储； S2收集生态生物特征， 将收集的生态特征进行收集分类， 并建立分布式生态特征数据 库； S3通过DetectoRS算法对 采集的生物图像数据进行目标检测； S31选取待识别的生物图像， 由并行FPN对输入生物图像进行特征提取， 并生成递归特 征金字塔； S32集成递归特 征金字塔的反馈连接 到主干网， 使得主干网再训练得到的特 征； S33通过可切换的空洞卷积替换主干网上的标准卷积， 使得模型 可自适应选择感受野； S34递归特征金字塔的每一个特征层， 在 分类和回归子网的头部各加一个卷积层， 将多 个特征进行融合， 得到融合后特 征； S4将得到的融合后特 征与生态特 征数据库中的特 征数据进行对比识别。 2.根据权利要求1所述的基于DetectoRS算法的生态生物识别方法， 其特征在于， 所述 步骤S34通过Feature  Pyramid Networks 自上而下的路径来融合多个特征， 利用高层网络 提取的语义信息和低层网络提取的细粒细节特 征信息。 3.根据权利要求1所述的基于DetectoRS算法的生态生物识别方法， 其特征在于， 所述 递归特征金字塔将反馈连接添加到FPN自下而上的过程中,并使用带有空洞卷积的空间金 字塔池化模块 来实现两个递归特 征金字塔的级联 连接。 4.根据权利要求1所述的基于DetectoRS算法的生态生物识别方法， 其特征在于， 所述 可切换的空洞卷积以不同的空洞率对特征进行卷积， 并使用switch函数合并卷积后的特 征。 5.根据权利要求1所述的基于DetectoRS算法的生态生物识别方法， 其特征在于， 所述 步骤S1采集 生物图像时， 获取湖面 生物采集器采集图像的时间和位置， 并进行存 储。 6.根据权利要求1所述的基于DetectoRS算法的生态生物识别方法， 其特征在于， 所述 步骤S1采用图像归一法和图像增强法对 采集的生物图像数据进行处 理。 7.根据权利要求1所述的基于DetectoRS算法的生态生物识别方法， 其特征在于， 所述 步骤S2收集生态生物特征后， 对收集的生态 生物特征进 行除杂， 剔除无用生态特征， 并将有 用生态特 征进行分类收集。 8.根据权利要求1所述的基于DetectoRS算法的生态生物识别方法， 其特征在于， 所述 步骤S4将识别成功结果进行发送并通过展示板展示， 同时， 将生物图像特征存储至生态特 征数据库中。权　利　要　求　书 1/1 页 2 CN 115035400 A 2基于DetectoRS算法的生态生物识别方 法 技术领域 [0001]本发明涉及生物识别技术领域， 尤其涉及基于DetectoRS算法的生态生物识别方 法。 背景技术 [0002]水生物是判断河 水是否受到污染的有效参照物。 河水中不同化学物质的分布和浓 度， 将决定河中水生物的类型构成。 一些水生物在某种河流条件下可以繁殖很快， 在另一环 境下则可能死亡， 这是由河水中的不同成分决定的。 因此， 只要分析河流中水生物的类型构 成， 就可对某一河段中存在什么样的化学物质做出判断。 水生生物群落与水环境有着错综 复杂的相互关系， 对水质变化起着重要作用。 不同种类的水生生物对水体污染的适应能力 不同， 有的种类只适于在清洁水中生活， 被称为清水生物(或寡污生物)。 而有 些水生生物则 可以生活在污水中， 被称为污水生物。 水生生物的存亡标志着水质变化程度， 因此生物成为 水体污化的指标， 通过水生生物的调查， 可以评价水体被污染的状况。 目前通过生物识别技 术对水生物进行识别， 然 而， 现有的生物 识别技术识别精度不高， 识别率低。 发明内容 [0003]基于背景技术存在的技术问题， 本发明提出了基于DetectoRS算法的生态生物识 别方法。 [0004]本发明提出的基于DetectoRS算法的生态生物 识别方法， 包括如下步骤： [0005]S1发起生态生物识别请求， 根据请求在生态环境中通过采集器采集生物图像， 并 将采集的生物图像进行存 储； [0006]S2收集生态生物特征， 将收集的生态特征进行收集分类， 并建立分布式生态特征 数据库； [0007]S3通过DetectoRS算法对 采集的生物图像数据进行目标检测； [0008]S31选取待识别的生物图像， 由并行FPN对输入生物图像进行特征提取， 并生成递 归特征金字塔； [0009]S32集成递归特 征金字塔的反馈连接 到主干网， 使得主干网再训练得到的特 征； [0010]S33通过可切换的空洞卷积替换主干网上的标准卷积， 使得模型可自适应选择感 受野； [0011]S34递归特征金字塔的每一个特征层， 在分类和回归子网的头部各加一个卷积层， 将多个特 征进行融合， 得到融合后特 征； [0012]S4将得到的融合后特 征与生态特 征数据库中的特 征数据进行对比识别。 [0013]优选的， 所述步骤S34通过Feature  Pyramid Networks自上而下的路径来融合多 个特征， 利用高层网络提取的语义信息和低层网络提取的细粒细节特 征信息。 [0014]优选的， 所述递归特征金字塔将反馈连接添加到FP N自下而上的过程中,并使用带 有空洞卷积的空间金字塔池化模块 来实现两个递归特 征金字塔的级联 连接。说　明　书 1/3 页 3 CN 115035400 A 3