基于改进U-Net++的水稻病害图像分割研究  

Study on rice disease image segmentation based on improved U-NET++ model

作　　者：洪俐 刘涛[1,2,3] 孙成明 左示敏[1,2] 严长杰 Hong Li

机构地区：[1]江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室/扬州大学农学院,江苏扬州225009 [2]江苏省粮食作物现代产业技术协同创新中心/扬州大学,江苏扬州225009 [3]扬州大学智慧农业研究院,江苏扬州225009

出　　处：《江苏农业科学》2024年第12期201-208,共8页Jiangsu Agricultural Sciences

基　　金：江苏省重点研发计划(现代农业)项目(编号:BE2022335,BE2022338);江苏高校优势学科建设工程资助项目(PAPD)。

摘　　要：针对当前作物病害图像分割方法通用性差、精度不高导致病害识别和分级诊断效率低下的问题,提出了一种改进U-Net++网络的水稻病害图像分割模型。首先将使用数码相机获取的水稻纹枯病、稻瘟病和胡麻叶斑病图像进行标注、数据增强等预处理,构建成水稻病害数据集。其次,选取U-Net++语义分割模型,将编码器中各卷积块的双层普通卷积核替换成膨胀系数为1、2、3的3层空洞卷积,扩大网络在特征提取时的感受野,增强模型对全局信息的获取能力,提高模型的分割性能。最后,利用水稻病害数据集对模型进行训练和测试。结果表明,改进后的U-Net++模型对测试集分割的平均交并比为87.48%,平均精确率为92.85%,平均召回率为93.42%,平均F_(1)分数为93.12%,与原U-Net++模型相比分别提高了2.94、1.02、2.04、1.52百分点。该模型对处理病斑分布杂乱且数量较多的复杂图像也能保持很好的分割效果,有效实现了对水稻病害的像素级分割,为作物病害的精准分割提供了一种新的手段,同时也为病害的自动无损识别和分级诊断提供了有力的技术支持。

关 键 词：水稻病害 U-Net++模型 空洞卷积 语义分割 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] S435.111[自动化与计算机技术—计算机科学与技术]