基于多感受野与多尺度融合的草莓病害分割算法

针对草莓病害在区域分割时存在背景复杂、目标较小导致难以被有效分割等问题，提出一种基于多感受野与多尺度融合的草莓病害分割算法。首先搭建了U-Net基础模型，使用结合注意力机制与残差网络的主干特征提取网络(CBAM-ResNet50)替代U-Net中的主干特征提取网络VGG16,一方面来加强目标区域的表征能力，抑制背景区域，以此实现复杂背景下的病害区域分割问题；另一方面通过残差减少梯度消失，提升模型的收敛速度；接着在特征融合层，设计基于3D无参注意力机制(SimAM)的多尺度自适应特征融合模块，通过邻近特征信息弥补当前层特征的信息丢失，以此提升小目标的检测能力；最后在网络底层设计基于膨胀卷积的多感受野模块，通过不同膨胀率的膨胀卷积来增加特征的全局感受野以实现整体分割区域的感知。结果表明，本研究提出的方法mPA达90.30%,相比于标准U-Net模型提高了7.13百分点，本研究提出的方法能更好地对复杂背景下及小目标病害进行精准分割。