基于Macbm-RCNN的叶片周长和面积测量方法

为进一步提高日常背景下叶片周长面积测量精度和便利性,提出一种新的深度卷积网络模型Macbm RCNN,该模型在经典Mask RCNN模型基础上引入注意力机制。Macbm RCNN能对经过压缩处理过的图片进行准确检测和标注,并最终输出叶片周长和面积。通过最终的试验数据表明,Macbm RCNN网络模型的训练准确率相比于Mask RCNN提高1.65%,在复杂图像处理中,平均训练时间提升0.022 s,平均推理时间提升0.018 s。计算效率高于叶面仪和方格法,计算误差小于1.5%。验证表明,引入注意力机制的Macbm RCNN网络能提高叶片预测的准确率,在复杂情况下处理的速率有明显提升;在叶片周长和面积的计算中误差较小。在实际应用中能有效提高工作效率。