增强型双重Unet(ED-Unet)烟叶病斑分割模型的建立

文献类型： 中文期刊

第一作者： 陈自立

作者： 陈自立;彭一龙;王从胜;王爱国;刘剑君;王来刚;林卫;郭燕

作者机构：

关键词： Unet;深度学习;特征提取;注意力机制;烟叶病害;病斑分割

期刊名称： 烟草科技

ISSN： 1002-0861

年卷期： 2025 年 58 卷 010 期

页码： 47-57

收录情况： 北大核心

摘要： 烟草病害的识别与诊断是烟草病害科学防治的前提和基础.为克服传统深度学习方法分割烟叶病斑时存在的泛化性弱、对噪声敏感等局限性问题,以角斑病、赤星病、野火病、蛙眼病4种病害为研究对象,基于Unet,通过改进特征提取模块、嵌入注意力机制等方法构建了增强型双重Unet(Enhanced Dual Unet,ED-Unet)模型对烟叶病斑进行精准分割.结果表明:①ED-Unet在病斑CPA、Recall、IoU、F1分数指标上分别达到92.75%、90.94%、84.93%、91.81%,整体Dice分数达到94.67%;②ED-Unet模型的参数量、浮点运算量、单幅图像推理时间分别为46.5 M、233.92 GFLOPs、65.096 ms;③相较于Unet、PSP、DeepLab v3+、FCN、SegNet、UNET++、DoubleU-Net,ED-Unet模型的精度取得了显著提升,且较好地控制了模型复杂度,综合性能达到最优.该方法可为烟叶病斑以及其他植物病害的精准分割提供技术支持.

分类号： S43%TS46

  • 相关文献

[1]基于高光谱成像和Att-BiGRU-RNN的柑橘病叶分类. 吴叶兰,管慧宁,廉小亲,于重重,廖禺. 2023

[2]基于深度学习的青海湖裸鲤产卵场遥感识别方法. 李鹏程,荣义峰,杜浩,王普渊,刘文成,刁亚芹. 2022

[3]基于注意力机制和多尺度残差网络的农作物病害识别. 黄林生,罗耀武,杨小冬,杨贵军,王道勇. 2021

[4]融合亮度自适应模块的端到端低光环境黑猪检测技术研究. 黄梦真,李皞,胡桓浚,李梓芃,盛钟尹,刘义凡,夏震言,郑奥运. 2025

[5]基于深度学习的油菜籽粒图像分割方法初探. 彭顺正,黄筑斌,岳延滨,吴小波. 2020

[6]基于YOLOX改进模型的茶叶嫩芽识别方法. 俞龙,黄楚斌,唐劲驰,黄浩宜,周运峰,黄永权,孙佳琪. 2022

[7]基于注意力机制的农业文本命名实体识别. 赵鹏飞,赵春江,吴华瑞,王维. 2021

[8]基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究. 刘璎瑛,曹晅,郭彬彬,陈慧杰,戴子淳,龚长万. 2023

[9]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[10]基于改进DeepLabV3+的梨树冠层分割方法. 陈鲁威,曾锦,袁全春,夏烨,潘健,吕晓兰. 2024

[11]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[12]基于深度学习分类模型的4种果树物候期识别. 钟丹,李宗南,王思,黄平,邱霞,蒋怡. 2023

[13]基于TBTA网络的高光谱图像分类. 唐婷,潘新,罗小玲,闫伟红. 2023

[14]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[15]基于改进YOLOv8n的茶树嫩芽识别. 杨肖委,沈强,罗金龙,张拓,杨婷,戴宇樵,刘忠英,李琴,王家伦. 2024

[16]基于深度学习结合高光谱技术的大豆种子活力检测方法. 任亚举,王瑞敏,薛冬,周琰琰,陈新,袁星星,闫强,罗楚平. 2025

[17]基于改进YOLOv5s的咖啡果实成熟度检测方法. 罗锟鹏,文勇,曾志康. 2025

[18]基于改进ResNet50的马铃薯识别与分类方法研究. 王健文,刘成忠,韩俊英,曲亚英,马柏雄. 2025

[19]红河烟区烟草黑胫病和野火病发生的气象因子分析与模型构建. 韩雨静,刘春明,侯秋强,何建忠,单双吕,张鲁民,陈天宏,杨桂林,何彦辉,陈作涛,郭建. 2024

[20]基于语义分割和可见光谱图的作物叶部病斑分割方法. 李凯雨,张慧,马浚诚,张领先. 2023

作者其他论文 更多>>

微信小程序