本发明涉及物种识别和人工智能(artificial intelligence，ai)，尤其涉及一种物种识别方法及装置。
背景技术：
1、图像智能识别是建立在计算机系统的基础上，将收集到的图像转化为数字化信息，综合物理算法进行图像数据的预处理，进而基于分类模型进行识别，得到图像中的物体的物种。
2、然而，一方面，在实际识别过程中，分类模型可能无法适用于多样的图像数据，导致识别准确率较低。另一方面，为提升识别准确率，往往需要采集更多的图像数据并进行标注，然后继续训练分类模型，得到更好的分类模型之后用于识别，以提升识别效果，但是这种方法中多次训练分类模型非常耗时，导致物种识别效率较低。
技术实现思路
1、本发明提出一种物种识别方法及装置，能够提高物种识别的准确率，还能够提高物种识别的效率。
2、为了达到上述目的，本发明的采用如下技术方案：
3、第一方面，本发明提供一种物种识别方法，包括：基于ai分类模型和第一图像数据集，构建特征数据库；所述ai分类模型包括第一分类网络和第二分类网络，所述特征数据库包括多个目标图像的特征向量和多个目标图像中动物的真实物种标签；其中，所述多个目标图像包括所述第一图像数据集中经所述第一分类网络识别后被识别错误的动物图像，所述多个目标图像的特征向量依次经所述ai分类模型的第一分类网络和第二分类网络处理得到；并且基于所述ai分类模型对待识别动物图像进行处理，得到待识别动物图像的特征向量；在所述特征数据库中的多个特征向量与所述待识别动物图像的特征向量的距离中存在小于或等于第一距离阈值的距离的情况下，将所述特征数据库中的多个特征向量中与所述待识别动物图像的特征向量的距离最小的特征向量对应的物种标签，确定为所述待识别动物图像的物种标签；在所述特征数据库中的多个特征向量与所述待识别动物图像的特征向量的距离中均大于第一距离阈值的情况下，根据所述ai分类模型中的第一分类网络的分类结果确定所述待识别动物图像的物种标签。
4、本发明提供的物种识别方法可以针对使用ai分类模型进行物种识别错误的情况，基于多个物种识别错误的动物图像的特征向量构建特征数据库，将ai分类模型得到的待识别动物图像的特征向量与特征数据库中的多个特征向量进行距离判断，并根据判断结果确定ai分类模型的识别结果是否正确，从而得到待识别动物图像的正确的物种，提高了物种识别的准确率。
5、进一步的，在基于的ai分类模型得到的识别结果不准确的情况下，根据特征数据库中的特征向量确定待识别动物图像的动物的物种，无须花费较多的算力资源和时间资源对ai分类模型再重新或继续进行训练，可以节省算力和人工成本。因此，本技术实施例提供的物种识别方法能够快速地完成物种识别，有助于提高物种识别的效率。
6、在第一方面的一种实现方式中，所述基于所述ai分类模型对待识别动物图像进行处理，得到待识别动物图像的特征向量，包括：基于所述ai分类模型中的第一分类网络对所述待识别动物图像进行处理，得到所述待识别动物图像的分类结果；并且基于所述ai分类模型中的第二分类网络对所述待识别动物图像的分类结果进行处理，得到所述待识别动物图像的特征向量。
7、在第一方面的一种实现方式中，所述第一分类网络为efficientnetv2网络。
8、在第一方面的一种实现方式中，所述第二分类网络包括全连接层。
9、在第一方面的一种实现方式中，所述第一距离阈值为多对同物种的动物图像的特征向量之间的距离的平均值。
10、可选地，所述特征向量之间的距离可以是余弦距离或欧式距离。
11、在第一方面的一种实现方式中，所述特征向量之间的距离是余弦距离时，通过余弦相似度求得余弦距离，其中，余弦距离＝1-余弦相似度。余弦相似度的计算公式为：
12、
13、上式中，cossim(x,y)为余弦相似度，xi为待识别动物图像的特征向量x的第i个特征向量值，yi为特征数据库中的一个特征向量y的第i个特征向量值，待识别动物图像的特征向量和特征数据库中的特征向量的维度均为m，1≤i≤m，m与第二分类网络的信道数相同。
14、在第一方面的一种实现方式中，上述确定第一距离阈值的过程中，计算每一对同物种的动物图像的特征向量的距离，得到多个距离之后，可以剔除多个距离中的异常距离，然后基于多个距离中剩余的距离的平均值确定第一距离阈值。
15、在第一方面的一种实现方式中，本发明提供的物种识别方法还包括：计算每一对同物种的动物图像的特征向量的距离，得到的多个距离中，将大于第二距离阈值的距离确定为异常距离。
16、在第一方面的一种实现方式中，所述第二距离阈值的确定方法为：计算每对同物种的动物图像的特征向量之间的距离，并对所有的距离求平均值，得到平均距离值；将n(n≥1)倍的平均距离值确定为第二距离阈值。
17、可选地，所述n的值为2或者3。
18、在第一方面的一种实现方式中，所述第二距离阈值的确定方法为：将多对不同物种的动物图像的特征向量之间的距离的平均距离值确定为第二距离阈值。
19、第二方面，本发明提供一种物种识别装置，包括包括构建模块、处理模块和确定模块。其中，所述构建模块用于，基于ai分类模型和第一图像数据集，构建特征数据库；所述ai分类模型包括第一分类网络和第二分类网络，所述特征数据库包括多个目标图像的特征向量和多个目标图像中动物的真实物种标签；其中，所述多个目标图像的物种标签包括所述第一图像数据集中经所述第一分类网络识别后被识别错误的动物图像，所述多个目标图像的特征向量依次经所述ai分类模型的第一分类网络和第二分类网络处理得到。所述处理模块用于，基于所述ai分类模型对待识别动物图像进行处理，得到待识别动物图像的特征向量。所述确定模块用于，在所述特征数据库中的多个特征向量与所述待识别动物图像的特征向量的距离中存在小于或等于第一距离阈值的距离的情况下，将所述特征数据库中的多个特征向量中与所述待识别动物图像的特征向量的距离最小的特征向量对应的物种标签，确定为所述待识别动物图像的物种标签；在所述特征数据库中的多个特征向量与所述待识别动物图像的特征向量的距离中均大于第一距离阈值的情况下，根据所述ai分类模型中的第一分类网络的分类结果确定所述待识别动物图像的物种标签。
20、在第二方面的一种实现方式中，所述构建模块具体用于，基于所述ai分类模型中的第一分类网络对所述待识别动物图像进行处理，得到所述待识别动物图像的分类结果；基于所述ai分类模型中的第二分类网络对所述待识别动物图像的分类结果进行处理，得到所述待识别动物图像的特征向量。
21、第三方面，本发明提供一种电子设备，包括处理器和与所述处理器耦合连接的存储器；所述存储器用于存储计算机指令，当所述电子设备运行时，所述处理器执行存储器存储的所述计算机指令，以使得所述电子设备执行如上述第一方面或其任一种实现方式中所述的方法。
22、第四方面，本发明提供一种计算机可读存储介质，包括计算机程序指令，当所述计算机程序指令由计算机执行时，使得所述计算机执行如上述第一方面或其任一种实现方式中所述的方法。
23、第五方面，本发明提供一种计算机程序产品，包括计算机程序指令，当所述计算机程序指令在计算机上运行时，使得所述计算机执行如上述第一方面或其任一种实现方式中所述的方法。
24、上述第二方面至第五方面及其可能的实施方式对应的技术效果可以参考上述对第一方面及其对可能的实施方式的技术效果的描述，此处不再赘述。
1.一种物种识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述基于所述ai分类模型对待识别动物图像进行处理，得到待识别动物图像的特征向量，包括：
3.如权利要求1或2所述的方法，其特征在于，
4.如权利要求1或2所述的方法，其特征在于，
5.如权利要求1或2所述的方法，其特征在于，
6.一种物种识别装置，其特征在于，包括构建模块、处理模块和确定模块；
7.如权利要求6所述的装置，其特征在于，
8.一种电子设备，其特征在于，包括处理器和与所述处理器耦合连接的存储器；所述存储器用于存储计算机指令，当所述电子设备运行时，所述处理器执行存储器存储的所述计算机指令，以使得所述电子设备执行如权利要求1至5任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，包括计算机程序指令，当所述计算机程序指令由计算机执行时，使得所述计算机执行如权利要求1至5任一项所述的方法。
10.一种计算机程序产品，其特征在于，包括计算机程序指令，当所述计算机程序指令在计算机上运行时，使得所述计算机执行如权利要求1至5任一项所述的方法。
