文献类型： 中文期刊

作者： 陈自立 ¹ ; 彭一龙 ¹ ; 王从胜 ¹ ; 王爱国 ² ; 刘剑君 ³ ; 王来刚 ¹ ; 林卫 ⁴ ; 郭燕 ¹ ;

作者机构： 1.河南省农业科学院农业信息技术研究所 农业农村部黄淮海智慧农业技术重点实验室

2.中国烟草总有限责任公司

3.中国烟草总公司河南省公司

4.河南师范大学计算机与信息工程学院 河南省教育人工智能与个性化学习重点实验室

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.