摘要
针对当前作物病害图像分割方法通用性差、精度不高导致病害识别和分级诊断效率低下的问题,提出了一种改进U-Net++网络的水稻病害图像分割模型.首先将使用数码相机获取的水稻纹枯病、稻瘟病和胡麻叶斑病图像进行标注、数据增强等预处理,构建成水稻病害数据集.其次,选取U-Net++语义分割模型,将编码器中各卷积块的双层普通卷积核替换成膨胀系数为1、2、3的3层空洞卷积,扩大网络在特征提取时的感受野,增强模型对全局信息的获取能力,提高模型的分割性能.最后,利用水稻病害数据集对模型进行训练和测试.结果表明,改进后的U-Net++模型对测试集分割的平均交并比为87.48％,平均精确率为92.85％,平均召回率为93.42％,平均F1分数为93.12％,与原U-Net++模型相比分别提高了 2.94、1.02、2.04、1.52百分点.该模型对处理病斑分布杂乱且数量较多的复杂图像也能保持很好的分割效果,有效实现了对水稻病害的像素级分割,为作物病害的精准分割提供了一种新的手段,同时也为病害的自动无损识别和分级诊断提供了有力的技术支持.
基金项目
江苏省重点研发计划(现代农业)项目(BE2022335)
江苏省重点研发计划(现代农业)项目(BE2022338)
江苏高校优势学科建设工程资助项目(PAPD)()
国家科技期刊平台
NSTL
万方数据