(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 202210768057.0 (22)申请日 2022.06.30 (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 10/30(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 基于EfficientDet算法的生态生物识别方 法 (57)摘要 本发明公开了基于EfficientDet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 境中采集多个生物 图像； 对采集的生物图像数据进行处理， 得到处 理后的待处理生物图像； 通过预设的目标检测算 法对待处理生物图像进行检测处理， 得到处理后 的检测结果； 获取预设的EfficientDet目标检测 器,对EfficientDet目标检测器内的多尺度的特 征 融 合 l e v e l 进 行 扩 展 处 理 ,以 及 ， 对 EfficientDet目标检测器内的BiFPNLayer模块 进行简化处理， 得到指定目标检测器。 本发明通 过EfficientDet目标检测器与SVM多分类器， 来 进行对于待处理图像中的图像的类别识别判断， 相较于传统的识别方式， 有效地提高生态生物的 识别效率， 节省了人工处理成本， 也提高了对于 待处理图片的审核效率。 权利要求书1页 说明书3页 附图1页 CN 115019161 A 2022.09.06 CN 115019161 A 1.基于EfficientDet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 环境中采集多个生物图像； S2对采集的生物图像数据进行处 理， 得到处 理后的待处 理生物图像； S3通过预设的目标检测算法对待处理生物图像进行检测处理， 得到处理后的检测结 果； S4获取预设的EfficientD et目标检测器,对EfficientD et目标检测器内的多尺度的特 征融合level进行扩展处理,以及， 对EfficientDet目标检测器内的BiFPN  Layer模块进行 简化处理， 得到指定目标检测器； S5得到处理后的检测结果输入至指定目标检测器 内， 获取指定目标检测器输出的与车 辆检测结果对应的生物图像； S6收集历史生态生物图像， 将收集的历史生态生物图像进行分类， 并建立SVM多分类 器； S7将得到的生物图像输入至预设的SVM多分类器， 以通过SVM多分类器对生物图像进行 类别识别处 理， 得到与生物图像对应的类别结果。 2.根据权利 要求1所述的基于EfficientDet算法的生态生物识别方法， 其特征在于， 所 述步骤S2对采集的生物图像数据进行处理： 采集的生物图像进行图像划分处理， 得到目标 区域图像与背景区域图像， 提取目标区域图像， 即为待处 理生物图像。 3.根据权利 要求1所述的基于EfficientDet算法的生态生物识别方法， 其特征在于， 所 述步骤S1对 采集的生物图像进行归一 化处理。 4.根据权利 要求1所述的基于EfficientDet算法的生态生物识别方法， 其特征在于， 所 述步骤S1对采集生物图像进 行加密处理， 并将加密处理后的生物图像放入存储器中进行存 储。 5.根据权利 要求1所述的基于EfficientDet算法的生态生物识别方法， 其特征在于， 所 述EfficientDet目标检测器内的多尺度的特征融合level进行扩展处理的步骤包括： 将 EfficientDet目标检测器内的多尺度的特 征融合level 3‑7改进level  1‑7。 6.根据权利 要求1所述的基于EfficientDet算法的生态生物识别方法， 其特征在于， 所 述EfficientDet目标检测器内的BiFPN  Layer模块进行简化处理的步骤包括： 在BiFPN   Layer模块内的level  2‑4低层的输入和输出节点之间只 连一条边， 使得level  2‑4低层的 输入边和输出边只有一个节点。 7.根据权利 要求1所述的基于EfficientDet算法的生态生物识别方法， 其特征在于， 所 述步骤S2对采集的生物图像做颜色校正处理， 并采用混合滤波方法对原始图片做降噪处 理。 8.根据权利 要求1所述的基于EfficientDet算法的生态生物识别方法， 其特征在于， 所 述步骤S7得到与生物图像对应的类别结果 通过信息发送， 并进行展示。权　利　要　求　书 1/1 页 2 CN 115019161 A 2基于EfficientDet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EfficientDet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。 然而， 现有的水生生 物图像识别主要是依靠人工审核的方式来分析， 人工审核分析的工作重复枯燥， 处理效率 低且人力成本高。 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EfficientDet算法的生态生物 识别方法。 [0004]本发明提出的基于 EfficientDet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 环境中采集多个生物图像； [0006]S2对采集的生物图像数据进行处 理， 得到处 理后的待处 理生物图像； [0007]S3通过预设的目标检测算法对待处理生物图像进行检测处理， 得到处理后的检测 结果； [0008]S4获取预设的EfficientDet目标检测器,对EfficientDet目标检测器内的多尺度 的特征融合level进行扩展处理,以及， 对EfficientDet目标检测器内的BiFPN  Layer模块 进行简化处 理， 得到指定目标检测器； [0009]S5得到处理后的检测结果输入至指定目标检测器内， 获取指定目标检测器输出的 与车辆检测结果对应的生物图像； [0010]S6收集历史生态生物图像， 将收集的历史生态生物图像进行分类， 并建立SVM多分 类器； [0011]S7将得到的生物图像输入至预设的SVM多 分类器， 以通过SVM多 分类器对生物图像 进行类别识别处 理， 得到与生物图像对应的类别结果。 [0012]优选的， 所述步骤S2对采集的生物图像数据进行处理： 采集的生物图像进行图像 划分处理， 得到目标区域图像与背景区域图像， 提取目标区域图像， 即为待处 理生物图像。 [0013]优选的， 所述 步骤S1对 采集的生物图像进行归一 化处理。说　明　书 1/3 页 3 CN 115019161 A 3