基于TransUnet的田间杂草分割研究

摘要：

农业生产是人类生存的基础,而农作物的生长过程中总是受到杂草的影响,造成农作物的减产,因此实现田间杂草的智能分割具有重要意义.文章采用TransUnet算法模型进行田间杂草分割,旨在提高分割的准确性和效率.TransUnet是一种新型的深度学习网络.该模型的训练使用了公开数据集,并结合迁移学习的思想对模型进行了优化.本实验通过测试和评估,发现经过迁移学习的TransUnet模型在田间杂草的分割任务中表现突出,其像素准确率可以达到 97%以上.此外,文章还对模型进行了可视化分析,证实了模型的实用价值和应用前景.综上所述,TransUnet模型对于杂草的分割有积极效果.希望本研究成果可以为计算机视觉技术在农业行业的应用提供更多的思路和借鉴.

关键词：杂草分割、语义分割、机器视觉、深度学习

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目YDZJ202201ZYTS692

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：100-103