CN110851638A

CN110851638A - 获取物种识别名称的方法及装置

Info

Publication number: CN110851638A
Application number: CN201911077190.6A
Authority: CN
Inventors: 徐青松; 李青
Original assignee: Hangzhou Glority Software Ltd
Current assignee: Hangzhou Glority Software Ltd
Priority date: 2019-11-06
Filing date: 2019-11-06
Publication date: 2020-02-28
Anticipated expiration: 2039-11-06
Also published as: WO2021088657A1; CN110851638B

Abstract

本发明提供了一种获取物种识别名称的方法及装置，方法包括：获取用户上传的影像，所述影像中包含待识别的物种；通过预先训练建立的物种识别模型，识别所述影像中的物种名称；其中，所述物种识别模型为基于神经网络的模型；判断所述物种名称是否存在于预先建立的物种名称数据库中；其中，所述物种名称数据库中记录有同一物种在不同地域的惯用称呼；如果是，则获取所述用户所处的地域信息，并从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，得到所述物种的识别结果并输出。应用本发明提供的方案可以解决现有技术中不能识别物种的惯用称呼的问题。

Description

获取物种识别名称的方法及装置

技术领域

本发明涉及人工智能技术领域，特别涉及一种获取物种识别名称的方法及装置、电子设备、计算机可读存储介质。

背景技术

近年来，人工智能图像识别技术的应用越来越广泛。例如，利用人工智能图像识别技术对图像中的物种进行识别。现有的人工智能图像识别技术对图像中的物种进行识别，只是识别出物种的生物学名称，并不能识别出在不同地域的惯用称呼。

然而，同一物种在不同的地区可能具有不同的惯用称呼，例如，不同地区所称呼的番茄、西红柿、火柿子、蕃柿、洋柿子实际是同一物种，马铃薯、土豆、洋芋也是同一物种的，番薯、地瓜、甘薯、红薯也是同一物种，番石榴、芭乐、鸡屎果也是同一物种。

同样的，同一物种在不同的国家也可能具有不同的惯用称呼，例如在英国和美国，很多相同的物种也有着不同的名称，例如Eggplant和aubergine都是茄子的含义，甚至美国不同的州或者地区对于相同的物种也有着不同的惯用称呼。

因此，存在对新技术的需求。

发明内容

本发明的目的在于提供一种获取物种识别名称的方法及装置、电子设备、计算机可读存储介质，以解决现有技术中不能识别物种的惯用称呼的问题。具体技术方案如下：

第一方面，本发明提供了一种获取物种识别名称的方法，包括：

获取用户上传的影像，所述影像中包含待识别的物种；

通过预先训练建立的物种识别模型，识别所述影像中的物种名称；其中，所述物种识别模型为基于神经网络的模型；

判断所述物种名称是否存在于预先建立的物种名称数据库中；其中，所述物种名称数据库中记录有同一物种在不同地域的惯用称呼；

如果是，则获取所述用户所处的地域信息，并从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，得到所述物种的识别结果并输出。

可选的，如果判断所述物种名称不存在于预先建立的物种名称数据库中，则将所述物种名称作为所述物种的识别结果。

可选的，所述物种名称数据库中的每一物种以专业学名为词条，将该物种在不同地域的惯用称呼对应存储于该词条下。

可选的，在输出所述物种的识别结果时，还包括：

输出所述物种的种类信息、在其它地域的惯用称呼和/或专业学名。

可选的，所述物种识别模型识别出所述影像中的物种名称中包含多个近似物种的物种名称；

从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，作为所述物种的识别结果并输出，包括：

针对每一物种名称，均执行以下步骤：

从所述物种名称数据库中选择该物种名称在所述地域信息对应的惯用称呼，作为所述物种的一个识别结果并输出。

可选的，所述方法还包括：

针对多个物种名称，按照多个物种名称的准确率的降序排列顺序，依次输出所述物种的多个识别结果。

可选的，所述获取物种识别名称的方法还包括：

接收所述用户上传的所述物种的建议名称；

将所述物种名称、所述地域信息、所述建议名称进行关联存储。

可选的，所述获取物种识别名称的方法还包括：

判断所述物种名称、所述地域信息、所述建议名称的存储记录是否超过预设阈值；

如果是，将所述建议名称作为所述物种名称在所述地域信息对应的地域内的惯用称呼，记录在所述物种名称数据库中。

第二方面，本发明还提供了一种获取物种识别名称的装置，包括：

获取模块，用于获取用户上传的影像，所述影像中包含待识别的物种；

识别模块，用于通过预先训练建立的物种识别模型，识别所述影像中的物种名称；其中，所述物种识别模型为基于神经网络的模型；

第一判断模块，用于判断所述物种名称是否存在于预先建立的物种名称数据库中；其中，所述物种名称数据库中记录有同一物种在不同地域的惯用称呼；如果是，则触发输出模块；

所述输出模块，用于获取所述用户所处的地域信息，并从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，得到所述物种的识别结果并输出。

可选的，如果所述第一判断模块判断所述物种名称不存在于预先建立的物种名称数据库中，则将所述物种名称作为所述物种的识别结果。

可选的，所述输出模块在输出所述物种的识别结果时，还用于：

所述输出模块从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，作为所述物种的识别结果并输出，包括：

针对每一物种名称，均执行以下步骤：

可选的，所述输出模块还用于：

可选的，所述获取物种识别名称的装置还包括：

接收模块，用于接收所述用户上传的所述物种的建议名称；

存储模块，用于将所述物种名称、所述地域信息、所述建议名称进行关联存储。

可选的，所述获取物种识别名称的装置还包括：

第二判断模块，用于判断所述物种名称、所述地域信息、所述建议名称的存储记录是否超过预设阈值；如果是，触发更新模块；

所述更新模块，用于将所述建议名称作为所述物种名称在所述地域信息对应的地域内的惯用称呼，记录在所述物种名称数据库中。

第三方面，本发明还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面所述的获取物种识别名称的方法的步骤。

第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的获取物种识别名称的方法的步骤。

与现有技术相比，本发明的技术方案具有以下有益效果：

本发明预先建立一个物种名称数据库，在物种名称数据库中记录有同一物种在不同地域的惯用称呼，在获取用户上传的影像后，首先由物种识别模型识别所述影像中的物种名称，然后判断所述物种名称是否存在于预先建立的物种名称数据库中，如果存在，则获取所述用户所处的地域信息，并从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，得到所述物种的识别结果并输出。本发明并不直接将物种识别模型识别的物种名称输出给用户，而是根据物种名称从物种名称数据库中确定待识别物种在当前地域的惯用称呼并输出给用户，相比于现有技术，本发明将待识别物种在当前地域的惯用称呼作为识别结果展示给用户，从而提高了用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的获取物种识别名称的方法的流程示意图；

图2A和图2B为本发明一具体实施例中物种识别结果的展示示意图；

图3A和图3B为本发明另一具体实施例中物种识别结果的展示示意图；

图4是本发明一实施例提供的获取物种识别名称的装置的结构示意图；

图5是本发明一实施例提供的电子设备的结构示意图。

具体实施方式

以下结合附图和具体实施例对本发明提出的一种获取物种识别名称的方法及装置、电子设备及计算机可读存储介质作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，需要说明的是，本文的框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图1至5。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

为解决现有技术的问题，本发明实施例提供了一种获取物种识别名称的方法及装置、电子设备及计算机可读存储介质。

需要说明的是，本发明实施例的获取物种识别名称的方法可应用于本发明实施例的获取物种识别名称的装置，该获取物种识别名称的装置可被配置于电子设备上。其中，该电子设备可以是个人计算机、移动终端等，该移动终端可以是手机、平板电脑等具有各种操作系统的硬件设备。

图1是本发明一实施例提供的一种获取物种识别名称的方法的流程示意图。请参考图1，一种获取物种识别名称的方法可以包括如下步骤：

步骤S101，获取用户上传的影像，所述影像中包含待识别的物种；

在实际应用中，用户上传的影像可以是单个的图片，也可以是拍摄的视频，单个的图片可以是用户当前拍摄的照片，或者是用户从手机相册中挑选的图片，如果是视频可以通过获取每个视频帧的方式获取图片。待识别的物种可以包括：植物、动物等。

步骤S102，通过预先训练建立的物种识别模型，识别所述影像中的物种名称。

其中，所述物种识别模型为基于神经网络的模型。上述神经网络例如可以包括深度卷积神经网络(CNN)或者深度残差网络(Resnet)。其中，深度卷积神经网络为深度前馈神经网络，其利用卷积核扫描物种图片，提取出物种图片中待识别的特征，进而对物种待识别的特征进行识别。另外，在对物种图片进行识别的过程中，可以直接将原始物种图片输入深度卷积神经网络模型，而无需对物种图片进行预处理。深度卷积神经网络模型相比于其他的识别模型，具备更高的识别准确率以及识别效率。而深度残差网络模型相比于深度卷积神经网络模型增加了恒等映射层，可以避免随着网络深度(网络中叠层的数量)的增加，卷积神经网络造成的准确率饱和、甚至下降的现象。残差网络模型中恒等映射层的恒等映射函数需要满足：恒等映射函数与残差网络模型的输入之和等于残差网络模型的输出。引入恒等映射以后，残差网络模型对输出的变化更加明显，因此可以大大提高物种识别的识别准确率和识别效率。

物种识别模型可以通过如下过程训练得到：针对每个物种均获取多个物种图片，组成训练样本集；对训练样本集中每个物种图片样本进行标注处理，以标注出每个物种图片样本中的物种名称；通过经过所述标注处理的训练样本集，对神经网络进行训练，得到物种识别模型。训练样本集中的物种图片样本可以是从用户拍摄的图片中或相册中获取的物种图片，也可以是从网络或数据库中获取的物种图片。

将用户上传的影像(单个图片或视频帧的单个视频帧)输入上述的物种识别模型，物种识别模型经过识别处理后可输出模型识别结果，模型识别结果即表示所述物种识别模型对所述影像中待识别物种识别出的可能的物种名称。模型识别结果可以包括识别出的可能性最大的一个物种名称，也可以包括多个物种名称，这多个物种名称可按照可能性的大小从高到低依次排列。

步骤S103，判断所述物种名称是否存在于预先建立的物种名称数据库中；其中，所述物种名称数据库中记录有同一物种在不同地域的惯用称呼。若是，则执行步骤S104；若否，则可直接将所述物种名称作为所述物种的识别结果并输出。

具体的，所述物种名称数据库中的每一物种可以以专业学名为词条，将该物种在不同地域的惯用称呼对应存储于该词条下。举例而言，马铃薯(专业学名为：Solanumtuberosum L.)，在中国的不同地域的惯用称呼有山药蛋、洋芋、洋山芋、洋芋头、香山芋、洋番芋、山洋芋、阳芋、地蛋、土豆等。马铃薯在不同国度，惯用称呼也不一样，如在美国称为爱尔兰豆薯、在俄罗斯称为荷兰薯、在法国称为地苹果、在德国称为地梨、在意大利称为地豆、在秘鲁称为巴巴等。因此，将马铃薯在不同地域的不同惯用称呼分别对应存储于马铃薯(专业学名：Solanum tuberosum L.)这一词条下。

可以理解的是，用于训练物种识别模型的训练样本集中各个物种图片样本均标注物种的专业学名，则物种识别模型对某一影像进行识别时，识别的物种名称即为该物种的专业学名。然后，在步骤S103中可根据物种的专业学名在物种名称数据库中进行搜索，判断是否存在该专业学名。如果存在可进一步执行步骤S104，如果不存在则直接将该专业学名作为所述物种的识别结果并输出。

步骤S104，获取所述用户所处的地域信息，并从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，得到所述物种的识别结果并输出。

用户所处的地域信息可通过上传所述影像时的位置信息确定，位置信息包括但不限于GPS信息。具体而言，在用户上传所述影像时获取用户当前的位置信息，若用户当前的位置信息显示为“上海市外滩”，则可以确定用户所处的地域信息为中国上海市，若用户当前的位置信息显示为“纽约州哥伦比亚大学”，则确定用户所处的地域信息为美国纽约州。

然后，在所述物种名称数据库中找到所述物种名称对应的词条，从词条中找到用户所处的地域信息对应的惯用称呼，从而得到所述物种的识别结果，并输出识别结果给用户，以向用户展示所述物种在当前地域的惯用名称。另外，在输出所述物种的识别结果时，还可以输出所述物种的种类信息、在其它地域的惯用称呼和/或专业学名等其它信息。具体而言，可以将所述物种在当前地域的惯用称呼放在识别结果介绍的最前面，后面再介绍该物种的种类信息，然后再显示在其它地域的惯用称呼，最后显示其专业学名。

举例而言，物种识别模型识别出物种名称为：茄(Solanum melongena)，若用户所处的地域信息为美国则输出该物种的识别结果并显示为Eggplant(即茄在美国的惯用称呼)，若用户所处的地域信息为英国则输出该物种的识别结果并显示为aubergine(即茄在英国的惯用称呼)，若用户所处的地域信息为广东则输出该物种的识别结果并显示为矮瓜(即茄在广东的惯用称呼)，若用户所处的地域信息为北京则输出该物种的识别结果并显示为茄子(即茄在北京的惯用称呼)，然后还会显示茄(Solanum melongena)的种类信息，以及显示其他地域的惯用名称，最后显示其学名：茄(Solanum melongena)。

在实际应用中，所述物种识别模型识别出所述影像中的物种名称中可以包含多个近似物种的物种名称，这多个近似物种的物种名称具有各自的可能性，针对每一物种名称，可均执行以下步骤：从所述物种名称数据库中选择该物种名称在所述地域信息对应的惯用称呼，作为所述物种的一个识别结果并输出。即，对物种识别模型识别出的每一个可能的物种名称，均输出识别结果给用户，以向用户展示所述影像中待识别物种的每个可能的识别结果。

具体而言，针对这多个可能的物种名称，可以按照多个物种名称的准确率的降序排列顺序，依次输出所述物种的多个识别结果。例如，物种识别模型对某一影像中的待识别物种进行识别，并输出4种可能的物种名称，并且物种识别模型对每一种可能的物种名称均有对应的识别准确率(准确率用于表示该物种名称的可能性大小，准确率高则表示该物种名称的可能性大)，输出识别结果时可按照准确率从高到低的顺序依次输出该物种的多个识别结果，每个识别结果中均按照上述方式依次显示物种在当前地域的惯用称呼、该物种的种类信息、在其它地域的惯用称呼、其专业学名。

图2A、图2B显示了待识别物种田旋的识别结果的显示界面，其中，图2A显示的是识别准确率最大的物种名称对应的识别结果，图2B显示的是识别准确率次之的物种名称对应的识别结果。图3A、图3B显示了待识别物种绿萝的识别结果的显示界面，其中，图3A显示的是识别准确率最大的物种名称对应的识别结果，图3B显示的是识别准确率次之的物种名称对应的识别结果。在图2A、图2B、图3A、图3B所示的显示界面中，上部均显示识别结果的物种图片，左下角显示的是用户所上传的图片，中部显示的是文字信息，文字信息下部显示多张识别结果的物种图片供用户对比。

中部的文字信息展示了物种在当前地域的惯用称呼、物种的种类信息、在其它地域的惯用称呼、其专业学名，请参考图2A，中部的文字信息首先展示了物种在当前地域的惯用称呼为“Field bindweed”，同时还给出了该物种所属的种类信息为“Bindweed”，然后展示该物种的其它惯用名称：“Orchard morning-glory，Possession vine，Creeping jenny，Cornbind”，最后展示该物种的专业学名“Convolvulus arvensis”。图2B、图3A、图3B的中部的文字信息展示的内容与图2A类似，在此不再赘述。

进一步的，为提高用户体验，在本实施例中，如果用户对待识别物种的各个识别结果都不满意，用户还可以输入其对该物种的建议名称，具体的，本实施例的方法还可以包括：接收所述用户上传的所述物种的建议名称，将所述物种名称、所述地域信息、所述建议名称进行关联存储。

另外，还可以判断所述物种名称、所述地域信息、所述建议名称的存储记录是否超过预设阈值；如果是，则将所述建议名称作为所述物种名称在所述地域信息对应的地域内的惯用称呼，记录在所述物种名称数据库中。可以理解的是，如果在当前地域内超过预设数量的用户提供的该物种在该地域的特有名称为同一建议名称，则可认为该建议名称是该物种在该地域的惯用名称，因此，将该惯用名称添加到物种名称数据库，对物种名称数据库进行更新，可提高物种识别的准确率。

另外，如果用户对待识别物种的各个识别结果都不满意，同时用户也不能给出其对该物种的建议名称，那么用户还可以将该物种推送给其他用户，请其他用户帮忙对该物种进行识别，给出该物种在该地域内的惯用名称。

相应于上述方法实施例，本发明一实施例还提供了一种获取物种识别名称的装置。请参考图4，图4是本发明一实施例提供的一种获取物种识别名称的装置的结构示意图，一种获取物种识别名称的装置可以包括：

获取模块201，用于获取用户上传的影像，所述影像中包含待识别的物种；

识别模块202，用于通过预先训练建立的物种识别模型，识别所述影像中的物种名称；其中，所述物种识别模型为基于神经网络的模型；

第一判断模块203，用于判断所述物种名称是否存在于预先建立的物种名称数据库中；其中，所述物种名称数据库中记录有同一物种在不同地域的惯用称呼；如果是，则触发输出模块204；

所述输出模块204，用于获取所述用户所处的地域信息，并从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，得到所述物种的识别结果并输出。

可选的，如果所述第一判断模块203判断所述物种名称不存在于预先建立的物种名称数据库中，则将所述物种名称作为所述物种的识别结果。

可选的，所述输出模块204在输出所述物种的识别结果时，还用于：

所述输出模块204从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，作为所述物种的识别结果并输出，包括：

针对每一物种名称，均执行以下步骤：

可选的，所述输出模块204还用于：

可选的，所述获取物种识别名称的装置还包括：

接收模块，用于接收所述用户上传的所述物种的建议名称；

可选的，所述获取物种识别名称的装置还包括：

本发明一实施例还提供了一种电子设备，图5是本发明一实施例提供的一种电子设备的结构示意图。请参考图5，一种电子设备包括处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信，

存储器303，用于存放计算机程序；

处理器301，用于执行存储器303上所存放的程序时，实现如下步骤：

获取用户上传的影像，所述影像中包含待识别的物种；

关于该方法各个步骤的具体实现以及相关解释内容可以参见上述图1所示的方法实施例，在此不做赘述。

另外，处理器301执行存储器303上所存放的程序而实现的获取物种识别名称的方法的其他实现方式，与前述方法实施例部分所提及的实现方式相同，这里也不再赘述。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

本发明一实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，该计算机程序被处理器执行时实现上述的获取物种识别名称的方法的步骤。

综上所述，在本发明的方案中，预先建立一个物种名称数据库，在物种名称数据库中记录有同一物种在不同地域的惯用称呼，在获取用户上传的影像后，首先由物种识别模型识别所述影像中的物种名称，然后判断所述物种名称是否存在于预先建立的物种名称数据库中，如果存在，则获取所述用户所处的地域信息，并从所述物种名称数据库中选择所述物种名称在所述地域信息对应的惯用称呼，得到所述物种的识别结果并输出。本发明并不直接将物种识别模型识别的物种名称输出给用户，而是根据物种名称从物种名称数据库中确定待识别物种在当前地域的惯用称呼并输出给用户，相比于现有技术，本发明将待识别物种在当前地域的惯用称呼作为识别结果展示给用户，从而提高了用户体验。

需要说明的是，本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。在本文中使用的术语仅用于描述特定实施方式的目的，并非旨在限制本发明。如本文中所使用的，单数形式“一(a)”、“一(an)”和“一(the)”旨在也包括复数形式，除非在上下文中清楚地另外指出。如本文中所使用的，术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。当例如“中的至少一个”的表述处于一列元件之后时修饰整列元件，而不是修饰该列中的个别元件。如本文中所使用的，术语“基本上”、“约”以及类似术语被用作近似术语，而不是程度术语，并且意在表示测量值或计算值中的固有偏差，所述偏差将被那些本领域普通技术人员识别。此外，在描述本发明的实施方式时，“可以”的使用指的是“本发明的一个或多个实施方式”。如本文中所使用的，术语“使用”、“正使用”和“使用了”可以被认为分别与术语“利用”、“正利用”和“利用了”是同义的。同样，术语“示例性”意在指出实例或示例。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims

1.一种获取物种识别名称的方法，其特征在于，包括：

获取用户上传的影像，所述影像中包含待识别的物种；

2.如权利要求1所述的获取物种识别名称的方法，其特征在于，如果判断所述物种名称不存在于预先建立的物种名称数据库中，则将所述物种名称作为所述物种的识别结果。

3.如权利要求1所述的获取物种识别名称的方法，其特征在于，所述物种名称数据库中的每一物种以专业学名为词条，将该物种在不同地域的惯用称呼对应存储于该词条下。

4.如权利要求1所述的获取物种识别名称的方法，其特征在于，在输出所述物种的识别结果时，还包括：

5.如权利要求1所述的获取物种识别名称的方法，其特征在于，所述物种识别模型识别出所述影像中的物种名称中包含多个近似物种的物种名称；

针对每一物种名称，均执行以下步骤：

6.如权利要求5所述的获取物种识别名称的方法，其特征在于，所述方法还包括：

7.如权利要求1所述的获取物种识别名称的方法，其特征在于，所述方法还包括：

接收所述用户上传的所述物种的建议名称；

8.如权利要求7所述的获取物种识别名称的方法，其特征在于，所述方法还包括：

9.一种获取物种识别名称的装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上存储的程序时，实现权利要求1-8任一项所述的方法步骤。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法步骤。