[1]亢洁,刘佳,刘文波,等.基于多感受野与多尺度融合的草莓病害分割算法[J].江苏农业科学,2024,52(4):206-215.
　Kang Jie,et al.Study on strawberry disease segmentation algorithm based on multi receptive field and multi-scale fusion module[J].Jiangsu Agricultural Sciences,2024,52(4):206-215.
点击复制

基于多感受野与多尺度融合的草莓病害分割算法()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第52卷
期数:
2024年第4期
页码:
206-215
栏目:
农业工程与信息技术
出版日期:
2024-02-20

文章信息/Info

Title:
Study on strawberry disease segmentation algorithm based on multi receptive field and multi-scale fusion module
作者:
亢洁; 刘佳; 刘文波; 夏宇; 李亦轩; 王佳乐
陕西科技大学电气与控制工程学院，陕西西安 710021
Author(s):
Kang Jie; et al
关键词:
草莓病害分割算法; U-Net; 注意力机制; 多尺度融合; 多感受野
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
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。
Abstract:
-

参考文献/References:

［1］Li H A，Chen C B，Zhao S R，et al. Color disease leaf image segmentation using NAMS superpixel algorithm［J］. Technology and Health Care，2018，26(S1)：151-156.
［2］杨晋丹，杨涛，苗腾，等. 基于卷积神经网络的草莓叶部白粉病病害识别［J］. 江苏农业学报，2018，34(3)：527-532.
［3］Zhang S W，You Z H，Wu X W. Plant disease leaf image segmentation based on superpixel clustering and EM algorithm［J］. Neural Computing and Applications，2019，31(2)：1225-1232.
［4］宋余庆，谢熹，刘哲，等. 基于多层EESP深度学习模型的农作物病虫害识别方法［J］. 农业机械学报，2020，51(8)：196-202.
［5］郭旭超，郝霞，姚晓闯，等. 农业病虫害知识问答意图识别与槽位填充联合模型研究［J］. 农业机械学报，2023，54(1)：205-215.
［6］孙红，李松，李民赞，等. 农业信息成像感知与深度学习应用研究进展［J］. 农业机械学报，2020，51(5)：1-17.
［7］黄林生，罗耀武，杨小冬，等. 基于注意力机制和多尺度残差网络的农作物病害识别［J］. 农业机械学报，2021，52(10)：264-271.
［8］孙俊，宋佳，武小红，等. 基于改进Otsu算法的生菜叶片图像分割方法［J］. 江苏大学学报(自然科学版)，2018，39(2)：179-184.
［9］Zhang S W，Wang H X，Huang W Z，et al. Plant diseased leaf segmentation and recognition by fusion of superpixel，K-means and PHOG［J］. Optik，2018，157：866-872.
［10］Wang Z B，Wang K Y，Pan S H，et al. Segmentation of crop disease images with an improved K-means clustering algorithm［J］. Applied Engineering in Agriculture，2018，34(2)：277-289.
［11］Ma J C，Du K M，Zhang L X，et al. A segmentation method for greenhouse vegetable foliar disease spots images using color information and region growing［J］. Computers and Electronics in Agriculture，2017，142：110-117.
［12］戴久竣，马肄恒，吴坚，等. 基于改进残差网络的葡萄叶片病害识别［J］. 江苏农业科学，2023，51(5)：208-215.
［13］王翔宇，李海生，吕丽君，等. 基于U-net和可见光谱图像的黄瓜褐斑病分割［J］. 光谱学与光谱分析，2021，41(5)：1499-1504.
［14］朱立学，伍荣达，付根平，等. 基于多尺度串联空洞卷积的轻量化UNet香蕉图像分割［J］. 农业工程学报，2022，38(13)：194-201.
［15］张会敏，谢泽奇，张善文. 基于注意力胶囊网络的作物病害识别方法［J］. 江苏农业科学，2022，50(6)：101-106.
［16］何自芬，黄俊璇，刘强，等. 基于非对称混洗卷积神经网络的苹果叶部病害分割［J］. 农业机械学报，2021，52(8)：221-230.
［17］顾兴健，朱剑峰，任守纲，等. 多尺度U网络实现番茄叶部病斑分割与识别［J］. 计算机科学，2021，48(增刊2)：360-366，381.
［18］Yang L，Zhang R Y，Li L，et al. Simam：a simple，parameter-free attention module for convolutional neural networks［C］//International conference on machine learning. PMLR，2021：11863-11874.

相似文献/References:

[1]李萍,刘裕,师晓丽,等.基于多尺度残差空间注意力轻量化U-Net的农业害虫检测方法[J].江苏农业科学,2023,51(3):187.
　Li Ping,et al.Agriculture pest detection method based on multi-scale residual spatial attention lightweight U-Net[J].Jiangsu Agricultural Sciences,2023,51(4):187.

备注/Memo

备注/Memo:
收稿日期：2023-03-30
基金项目：国家自然科学基金(编号：62203285)；陕西省自然科学基础研究计划 (编号：2022JQ-181)；西安市科技计划(编号：23NYGG0070)。
作者简介：亢洁(1973—)，女，陕西渭南人，博士，副教授，硕士生导师，主要从事机器视觉、智慧农业方面的研究。E-mail：kangjie@sust.edu.cn。
更新日期/Last Update: 2024-03-20