文献类型： 中文期刊

作者： 李余康 ¹ ; 翟长远 ² ; 王秀 ² ; 袁洪波 ³ ; 张玮 ⁴ ; 赵春江 ¹ ;

作者机构： 1.西北农林科技大学 机械与电子工程学院

2.北京农业智能装备技术研究中心

3.河北农业大学 机电工程学院

4.北京市农林科学院植物保护环境保护研究所

关键词： 葡萄叶片;卷积神经网络;DeepLab v3+;空洞卷积;ResNet101;自动分割

期刊名称： 农机化研究

ISSN： 1003-188X

年卷期： 2022 年 44 卷 002 期

页码： 149-155

收录情况： 北大核心

摘要： 为解决自然光照环境下复杂背景葡萄叶片图像的自动分割问题,使用一种DeepLab v 3+语义分割算法,完成对葡萄叶片分割.该算法采用ResNet 101作为主干网络进行特征抽取;采用空洞卷积和编码模块进行多尺度特征融合,将ResNet的中间信息和编码模块的特征组合作为解码输入;采用上采样的方式进行尺度还原,得到语义分割结果.采用Cityscapes的预训练模型,将300张不同环境下、不同类型的葡萄叶片照片作为训练集,以数据增强的方式进行数据扩容,提高模型的鲁棒性和泛化能力.试验结果证明:本方法有较好的分割效果,在数据增强的方式下精确度(ACC)平均值为98.6%,较全卷积神经网络提高7.3%.对不同类型葡萄叶片分割精确度(ACC)值均高于97%,最高可达98.8%,平均交并比(mIOU)值均高于94%,最高可达97.1%.本算法能够较精准地分割自然光照条件下的葡萄叶片图像,可为后续的病害检测和病斑提取提供参考.