基于改进U-Net网络的多尺度番茄病害分割算法

摘要：

针对当前农作物病害分割与识别模型病斑分割精度低、数据集不充分、训练速度过慢等问题,构建了一种基于改进的U-Net网络多尺度番茄叶部病害分割算法.在U-Net网络结构基础上进行改进,减小图像输入尺寸,在编码器中使用非对称Inception多通道卷积替换传统卷积,实现多尺度提取病害特征,提升模型准确度;在解码器中加入注意力模块,关注番茄病害边缘,减小上采样噪声;引入GN加速模型收敛,并将改进U-Net网络用在PlantVillage数据集上进行预训练,提高模型的分割准确度和速度.改进后的方法准确率、召回率和MIoU分别为92.9％、91.1％、93.6％,实验结果表明,该方法能够有效地提高模型对番茄的病害分割性能.

关键词：病害、图像分割、多尺度特征提取、注意力机制

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：徐州市重点研发科技项目KC19112

在线出版日期：2022-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：216-223