基于改进Mask-RCNN的桃树穿孔病检测研究

穿孔病是桃树常见的病害,分为细菌性穿孔病（bacterial＿shot-hole＿disease,BSD）和真菌性穿孔病（fungal＿shot-hole＿disease,FSD）。大多数果农凭借经验难以准确识别两种病害,因而贻误防治,造成减产。为解决这一难题,提出了基于Mask RCNN(mask region based convolutional neural network)的桃树穿孔病检测方法。该方法对Mask RCNN模型进行了三方面的改进：首先,将Sim-AM(simple,parameter-free attention module)机制融入到残差网络的每一层,使用能量函数对神经元分配三维权重,增强对穿孔病关键特征的提取能力;其次,对RPN网络重复计算识别框进行简化处理,从9种Anchor Box降为3种,提升计算效率;再次,用软性非极大值抑制算法（Soft-NMS,soft non-maximum suppression）替换NMS算法进行Anchor Box选取,提高对遮挡病斑的检测效果。该研究使用二次迁移学习法对模型进行训练,首先利用Kaggle平台上公开苹果叶...