| 基于改进UNet++模型的葡萄黑腐病病斑分割和病害程度分级 |
| |
| 作者姓名： | 茹佳棋 吴斌 翁翔 徐达宇 李颜娥 |
| |
| 作者单位： | 1. 浙江农林大学数学与计算机科学学院;2. 浙江省林业智能监测与信息技术实验室;3. 林业感知技术与智能装备国家林业和草原局重点实验室;4. 浙江农林大学光机电工程学院 |
| |
| 基金项目： | 国家自然科学基金(72001190);;教育部人文社会科学研究一般项目(20YJC630173);;浙江省重点研发计划(2022C02009,2022CO2044,2022C02020); |
| |
| 摘 要： | 为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题,基于PlantVillage数据集中的葡萄黑腐病图像,提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时：一方面,采用自适应软阈值化方法消除噪声影响,提高葡萄病斑边缘的分割精度;另一方面,采用长、短连接结合的方式构建UNet++中的跳跃式连接结构,降低模型的计算复杂度。同时,在模型的横向输出层中融合多尺度特征,增强病斑的语义信息,进一步提高目标分割精度。在该模型的损失函数中,将Dice损失函数和交叉熵损失函数进行线性加权组合,以解决病斑像素面积与叶片面积不平衡的问题。采用五折交叉验证进行模型训练与测试。结果显示,本文模型的像素准确率达到98.433%,平均交并比达到92.056%,病斑交并比为81.230%,Dice系数为0.941,均优于传统的UNet++模型。采用病斑占叶面积的比例对病害程度进行分级。结果表明,本文模型对病害等级的划分准确率达97.41%。该模型能精确实现对葡萄黑腐病病斑边缘和小病斑的分割,以及病害程度分级,具有良好的稳健性。
|
| 关 键 词： | 葡萄黑腐病 图像分割 自适应软阈值化 |
|
|
