开花是油菜生长过程中的重要阶段,花朵覆盖度可以精确反映油菜花的生长状态,为产量预测提供有用信息.为了解决传统覆盖度获取方法需要大量人工的问题,本研究将覆盖度问题转变为油菜花的分割问题,提出了一种快速、无损的油菜花簇覆盖度获取方法.首先,基于无人机(UAV)的RGB影像,针对UNet网络特征融合不充分的问题,设计了一种特征聚合桥分割网络FABM-UNet;其次,为了验证模型的有效性,构建了油菜花分割数据集RSD,该数据集由DJI Phantom 4 Pro v2.0捕获而得,包括720张油菜花的影像以及对应的分割标签;最后,与传统的4种分割方法以及 7 种深度学习的网络(Deeplabv3+、PSPNet、UNet、UNet++、UNet3 plus、Attention-UNet 和 TransUNet)进行对比,结果表明,FABM-UNet网络的分割指标IoU和Dice系数分别为0.87和0.93,在本研究的油菜花数据集上实现了最优分割性能,分割结果可以直观揭示油菜花朵覆盖度的变化情况,为油菜品种的选育提供了有力的支撑.
万方数据
维普
