基于改进的PSPNet网络的毛白杨根系自动分割量化系统

针对毛白杨微根管图像中根系颜色不均匀、形态不一致、目标背景差异小的特点，以及现有根系图像处理软件无法批量分割的问题，提出一个基于深度学习网络的毛白杨根系自动分割量化系统。该系统包括根系图像自动分割和根系特征量化两个部分。首先，提出以EPSANet50为骨架的PSEPNet网络(pyramid scene efficient parsing network, PSEPNet)实现毛白杨根系图像的自动高精度分割；其次，使用骨架细化法提取根系中心像素轮廓；最后，运用数学统计方法提取根系数量、根系长度等多特征参数，实现对毛白杨根系特征的量化表达。结果表明：PSEPNet网络对毛白杨微根管根系图像具有良好的分割效果，其准确率为0.981 9,召回率为0.884 9,精确率为0.830 9,F1值为0.851 2,能够实现对根系数量、根系长度、根系投影面积等特征的量化，可为基于微根管技术对林木生长规律的研究提供技术支持和数据基础。