基于改进U-Net网络的苹果叶部病害语义分割方法

针对自然条件下苹果叶部病斑分割与识别效果欠佳的问题,本文提出一种融合条件随机场和卷积块状注意力模块的苹果叶部病害语义分割模型,实现苹果叶部锈病、褐斑病、灰斑病及斑点落叶病的病斑准确分割和识别。本文在U-Net模型基础上,使用ResNet50为骨干网络防止梯度消失问题,并分别在跳跃连接分支与上采样层加入卷积块状注意力模块,减少训练过程中的分割精度损失,融合Dice Loss和Focal Loss降低损失波动,最后利用条件随机场优化分割结果,获取病斑掩模图像,实现对苹果叶部病害语义分割。本研究在自制苹果叶部病害数据集上进行试验,分析了光照、阴影及水滴等因素对分割结果的影响。试验结果表明：本文构建的语义分割模型相比传统U-Net模型,平均分割精度(mIoU)提升8.24百分点,平均分类精度(mPrecision)提升11百分点,类别平均像素准确率(mPA)提升6.09百分点,受光照不均、雨滴的影响更小,具有更好的鲁棒性和可靠性。     

基于局部阈值的植物叶片图像分割算法研究

提供了采用数字图像处理方法快速分割含边框植物叶片的方法,分别采用局部阈值分割和最佳阈值分割获取二值图像,得到局部阈值分割效果较好的结论,最终得到了比较清晰的边框图像和叶片二值图像,为后续图像处理打下良好基础。     

基于实例图像自动语义标注方法的研究

本文提出了一种简单的图像自动语义标注方法。该方法的优点是可以根据以往的标注经验自动确定图像的标注信息,克服了手工标注的缺点,也可以方便地扩展为半自动标注,为标注者提供了一个简单方便的标注接口。     

玉米病害图像分割系统开发

为了提高玉米病害叶片图像分割的准确性和设计相应的图像分割系统,采用迭代阈值分割算法和形态学中的开闭运算相结合的方法对玉米病害图像进行分割,使用VB和MATLAB的混合编程设计开发玉米病害图像分割系统.运行结果表明,该分割方法对玉米病害图像有很好的分割效果.     

基于改进语义分割模型的无人机多光谱图像杂草分割

杂草与作物争夺肥料、阳光等养分,从而影响作物生长,快速有效地清除杂草危害对提高作物的产量和品质具有重要意义。传统的杂草防治方法常采取大面积喷洒除草剂等措施,无法满足智慧农业的精细化管理要求,精确、可靠的杂草检测是智能除草的关键。在卷积神经网络模型PANet的基础上进行改进,把原始特征提取网络ResNet替换为DenseNet-121,采用FPA模块提供像素级注意力信息,通过金字塔结构增加感受野。以无人机多光谱糖菜杂草图像为研究对象,分别构建近红外790 nm、红色690 nm和归一化植被指数NDVI的训练数据集进行网络训练。发现PANet的训练精度为97.38%,测试精度为93.41%;采用3通道（近红外790 nm+红色690 nm+NDVI）训练的模型F₁值最高为0.872。结果表明,该方法可以实现无人机多光谱图像杂草的有效分割,可为农田杂草精确检测和农作物生长状况监测提供参考和借鉴。     

数字人文中图像资源的语义化标注研究

[目的 /意义]数字人文领域存在的大量图像资源长期以来一直没有得到有效的利用,图像孤岛现象愈演愈烈。国际图像互操作框架(IIIF)为图像资源的深度交互和应用打开了新的窗口,而图像标注正是打通图像孤岛、提升图像认知的关键。[方法 /过程]论文基于IIIF框架提出了"图像层面的元数据注入""对象层面的内容录入"和"语义层面的语义引入"的3层标注模型。同时,文中构建的本体管理平台为图像资源的语义化标注提供了本体上的支持。[结果 /结论]以韩干《照夜白图》为例,探讨了使用图像标注和IIIF技术在图像内容语义增强、对象标签聚类和资源精准关联等方面所带来的新的交互体验和研究模式。可以说,IIIF、关联数据(Linked Data)和人工智能(AI)的结合必将开启数字人文研究的新时代。     

基于多特征融合的图像语义标注

采用了新的颜色特征提取方法,融合图像的颜色和纹理特征作为图像的特征向量,用支持向量机实现图像语义信息的标注.实验结果表明,多特征图像检索要比单一特征检索效果好,在颜色特征的基础上引入纹理特征和形状特征后可有效提高检索效率,而且采用支持向量机融合多特征可成功用于图像语义的标注.     

1种基于Otsu算法的植物病害叶片图像分割方法

植物叶片图像分割是植物分类和植物病害检测中的一个关键步骤,旨在把叶片图像分成各具特性的区域并提取出感兴趣的部分。在分析自然场景下植物叶片图像几种分割方法的优缺点的基础上,基于Otsu算法,提出了1种叶片图像分割方法,并进行分割算法试验。结果表明,该叶片图像分割方法对叶片中目标(叶片或病斑)-背景类的图像具有较好的分割效果。     

基于显著性目标检测的葡萄叶片病害分割

为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法.采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理.结果 表明,在测试集A上...     

卷积神经网络在农业遥感图像语义分割中的应用综述

卷积神经网络是一种特殊的人工神经网络,通过卷积核遍历图获取更多的目标特征信息。近年来,遥感技术发展迅速并被广泛应用于土地利用分析、作物分类识别、作物生长监测和病虫害检测,卷积神经网络为提取农业遥感图像的有效信息提供了新方法。卷积神经语义分割网络可根据语义信息对遥感图像像素点进行标注分割,在计算机计算能力逐步提高的前提下,分割网络结构优化,深度加深,分割准确率提高,性能提升。针对实际需要网络侧重于模块化设计改进,在土地利用分析和农作物分类识别应用中,改进的网络分割边缘细化、清晰,且像素准确率较高。在作物生长监测和病虫害识别方面,模块化改进使网络可高效实现分割任务、满足实际需要,卷积神经网络对农业遥感图像信息的语义分割为农业现代化和精细化管理提供了信息支撑。     

基于语义分割的棉花垄间实时道路识别

为解决棉花垄间道路识别准确性和实时性差的问题,建立用于棉花垄间道路实时识别的Quarter-Unet模型,深度学习语义分割模型FCN和Unet对棉花垄间道路识别的适应性,选择适应性更好的Unet模型,对其VGG16主干进行剪枝,得到Half-Unet和Quarter-Unet,采用640幅图像组成的训练集和160幅图像...     

基于语义分割网络的克氏原鳌虾图像识别与分割

为高效获取克氏原螯虾的精准分割图像,提出了一种基于语义分割网络的克氏原螯虾图像识别与分割的方法。首先,在克氏原螯虾上市季节（4—8月）拍摄其图像,建立数据集;然后使用Labelme对所采集的数据集制作标签,进行数据增强,并将数据集按8∶2的比例随机划分为训练集和验证集;最后基于U-Net语义分割网络基础来对数据集进行预处理操作,其中网络的编码器部分捕捉克氏原螯虾图片的上下文信息,解码器部分对克氏原螯虾图片进行精准定位,完成分割任务。结果表明,训练后网络模型的validation Dice（验证集相似度）达到0.944 5,validation loss为0.055 5。这表明该研究所提出的语义分割网络可以较好地解决克氏原螯虾识别与分割问题,能够实现准确、高效的克氏原螯虾图像分割,为实现克氏原螯虾机器化优质选种打下了的基础,也为水产养殖智能化提供了视觉支持。     

复杂背景下黄瓜病害叶片的分割方法研究

利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。     

农作物种子标签标注与制作

<正>标签是指固定在种子包装物表面及内外的特定图案及文字说明。对于可以不经加工包装进行销售的种子,标签是指种子经营者在销售种子时向种子使用者提供的特定图案及文字说明。文字说明是对标注内容的具体描述,特定图案是指警示标志、认证标志等。一、标注项目1.作物种类。明确至植物分类学的种。     

基于语义分割的山地果茶园道路识别技术研究

针对果、茶园规模不断扩张并逐渐向智能农业机械化发展的趋势以及常用道路语义分割数据集缺少果、茶园道路场景等问题,将语义分割技术应用到部分果、茶园道路中,以实现对果、茶园道路的像素级分割.以道路、人和车为分类对象,建立果、茶园道路场景图像数据集(包括6032张图像),将数据集按照9:1比例随机划分为训练集(5429张图像)...     

基于语义分割的芒果表皮缺陷识别

【目的】运用语义分割技术自动识别芒果及其表皮缺陷,实现芒果的质量评估及分选,为芒果质量快速无损检测提供参考。【方法】采集自然环境下的多场景芒果表皮缺陷图像用于模型的训练与测试,将联合上采样金字塔(Joint pyramid upsampling,JPU)结构替换DeepLabV3+中空洞空间卷积池化金字塔(Atrous spatial pyramid pooling,ASPP),将Atrous-ResNet模型替换DeepLabV3+中Xception模型,采用类别像素准确率(Class pixel accuracy,CPA)、平均像素准确率(Mean pixel accuracy,MPA)、平均交并比(Mean intersection over union,MIoU)作为模型的精度评价指标。【结果】采用JPU模块替换ASPP模块,在ResNet网络中运用扩张卷积有利于增大模型的感受野,总体上预测的边界更加平滑,且对细小缺陷的识别更精确;与SegNet、LinkNet算法的对比验证表明,Atrous-ResNet模型具备更高的精度,CPA小幅提升,MPA提升3.79个百分点,MIoU...     

农作物籽粒分割研究现状综述

籽粒分割是籽粒计数的关键环节,也是种子精选、育种评价的重要研究内容之一。从机器视觉和深度学习角度分析籽粒和颗粒分割现状,总结分析了各种分割方法特点。并对视觉方法和深度学习方法在图像分割等方面进行了比对分析,体现了深度学习在分割方面的优越性。     

融合事件和情感的图像语义描述框架研究

[目的/意义]针对图像组织和检索过程中存在的语义缺失和不完整性问题,提出一个面向社会化媒体中的图像语义描述框架,旨在丰富现有的图像描述理论体系,提高图像的检索效率和利用率,为实现自动化的图像语义标注提供参考。[方法/过程]首先,调研分析国内外有关图像描述的研究进展,总结现有的图像描述和标注理论、元数据规范和相关技术方法;其次,在此理论基础上,针对社会化媒体图像领域,构建社会化媒体图像语义描述框架,并详细阐述语义层次及其相互关系。最后,通过人物图像和风景图像实例描述验证图像语义描述框架的可行性。[结果/结论]人物图像和风景图像描述实例结果表明,图像语义描述框架可通过各层之间的语义关联消除图像描述中的“语义鸿沟”,实现对图像外部特征和内容特征的多侧面、多维度、多层次的结构化和语义化描述,具有较强的可移植性和灵活性。     

生物图像阈值分割方法的研究

阈值法是最基本的图像分割方法之一,被应用于很多领域,特别是在图像相对简单的生物图像处理方面得到了广泛使用.本文对现有的各种图像阈值分割方法进行综述,重点介绍了基于图像灰度直方图的阈值分割方法.     

苹果树图像分割算法研究综述

在国内外图像处理和机器视觉技术在苹果树图像分析应用相关研究的基础上,总结了专门针对苹果树图像分割技术的研究进展。按照图像分割的技术体系,分析了苹果树图像分割技术的主要研究进展,系统地总结了图像分割算法及其在苹果树图像应用上的特点,提出了苹果树图像分割算法的演进图,展望了苹果树图像分割算法研究发展的趋势,为基于图像处理及机器视觉技术的苹果信息化技术研究提供了参考。