对青菜病害区域进行识别并将其与正常作物区分隔能够起到保护青菜的作用,及时对相关灾害区域进行处理,能够防止灾害的进一步蔓延.提出了一种基于深度学习的青菜灾害区域图像语义分割的方法,通过fine-tune FCN以像素级精度分割出图像中作物灾害区进行识别,并借助地面安置的图像定位标记判断出灾害在地面上的准确位置.由于目前暂无无人机拍摄的公开青菜病害图像数据集,通过专业无人机采集的方式自建青菜病害区域图像数据集以满足检测需要.结果 表明,在自建数据集下fine-tune FCN的mIoU为53.2％,对4种病害类型与健康情况的识别像素精度PA为85.2％,定位精确率为96.8％,能基本满足病害区域检测定位需求.同时,对比了文章中提出的网络架构与SDS,RCNN与FCN在性能上的区别,验证了该网络在病害区域的细粒度检测上拥有更好的鲁棒性.
国家科技期刊平台
NSTL
万方数据
维普
