文献类型： 中文期刊

作者： 陈鲁威 ¹ ; 曾锦 ² ; 袁全春 ² ; 夏烨 ¹ ; 潘健 ² ; 吕晓兰 ¹ ;

作者机构： 1.江苏大学农业工程学院

2.江苏省农业科学院农业设施与装备研究所

关键词： 梨树冠层;图像分割;DeepLabV3+;注意力机制;深度学习

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2024 年 004 期

页码： 155-161

收录情况： 北大核心

摘要： 针对杂草和阴影等较复杂背景影响梨树冠层图像信息提取精度的问题，提出一种改进DeepLabV3+的梨树冠层图像分割方法。该方法将注意力机制引入到DeepLabV3+编码部分的主干网络与空洞空间金字塔池化模块之间和解码部分的主干网络之后，重要的特征信息将得到关注，提高模型分割精度的同时保证分割效率。以Y字形棚架梨园为试验对象，通过无人机采集梨树冠层照片，进行冠层分割试验。结果表明，提出的CBAM-DeepLabV3+模型对梨树冠层图像分割的平均交并比、类别平均像素准确率和准确率分别为88.72%、94.56%和96.65%,分割单张图像时间为0.107 s。CBAM-DeepLabV3+模型分割梨树冠层的类别平均像素准确率相比DeepLabV3+和SE-DeepLabV3+分别提高2.28%和0.56%。