[1]张园,胡峻峰,刘大洋.基于URMSM网络的玉米叶部病斑分割[J].江苏农业科学,2026,54(4):205-212.
　Zhang Yuan,et al.Study on maize leaf lesion segmentation based on URMSM network[J].Jiangsu Agricultural Sciences,2026,54(4):205-212.
点击复制

基于URMSM网络的玉米叶部病斑分割()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第54卷
期数:
2026年第4期
页码:
205-212
栏目:
病害智能检测
出版日期:
2026-02-20

文章信息/Info

Title:
Study on maize leaf lesion segmentation based on URMSM network
作者:
张园; 胡峻峰; 刘大洋
东北林业大学计算机科学与控制工程学院，黑龙江哈尔滨 150040
Author(s):
Zhang Yuan; et al
关键词:
玉米; 叶部病害; 病斑分割; 复杂背景干扰; 语义分割; UR-MSM网络
Keywords:
-
分类号:
S126；S435.131；TP391.41
DOI:
-
文献标志码:
A
摘要:
针对复杂背景干扰下玉米叶部病斑图像分割精度不高的问题，提出一种改进的分割网络UR-MSM，以提升其在阴影、遮挡及光照变化等复杂场景下的分割准确性、稳定性与鲁棒性。本研究采用融合公共数据集与自建数据的混合数据集CGSDD进行模型训练与验证。UR-MSM网络以U-Net为基础架构，对以下3个关键方面作出改进：首先，使用SE-ResNet模块替换编码器中传统的双层卷积操作，以增强特征表征能力并有效缓解梯度消失问题，同时提升模型对光照变化的适应能力；其次，引入矩形自校准(RCM)模块，实现编码器不同层级特征的有效融合，增强网络对病斑前景区域的关注，从而解决由阴影造成的局部特征丢失问题；最后，设计空间与通道协同注意力(SCSA)机制，通过空间和通道2个维度的双向协同优化，减小语义歧义，提升特征选择能力。试验结果表明，UR-MSM网络有效提升了在复杂干扰情况下玉米病斑的分割性能。在测试集上，该模型的MIoU、宏F1分数分别达到88.20%、9348%，相较于原始U-Net基线模型分别提升4.72、3.00百分点。在与DeepLab v3+、PSPNet等其他主流分割模型的对比试验中，本研究提出的模型在处理阴影遮挡场景方面展现出明显优势；通过系统对比不同数据增强策略下的性能表现，进一步验证了该模型具有良好的泛化性与稳定性。本研究提出的UR-MSM网络在实现模型轻量化的前提下，通过对网络结构的针对性优化，显著提高了分割玉米叶部病斑图像的综合性能。
Abstract:
-

参考文献/References:

［1］体院艾. 玉米病虫害防治与种植技术应用研究［J］. 工程管理，2023，4(6)：64-66，68.
［2］苏杰. 设施农业中玉米种植智能病虫害监测与防治技术［J］. 农业工程技术，2024，44(29)：60-61.
［3］蒋广轩. 玉米主要病害及防治对策［J］. 种子科技，2025，43(7)：167-169，172.
［4］吴忠. 玉米病虫害发生特点及防治措施研究［J］. 热带农业工程，2022，46(3)：66-68.
［5］王秋林，舒雪锋，贺春平. 玉米病虫害防治及合理使用农药的措施［J］. 农业灾害研究，2023，13(1)：16-18.
［6］法杰赵. 高产玉米种植技术及病虫害强化防治措施［J］. 工程管理，2023，4(4)：52-54.
［7］Si Y，Xu H，Zhu X，et al. SCSA：Exploring the synergistic effects between spatial and channel attention［J］. Neurocomputing，2025，634(14)：129866.
［8］Ni Z，Chen X，Zhai Y，et al. Context-guided spatial feature reconstruction for efficient semantic segmentation［C］// European Conference on Computer Vision.Cham：Springer Nature Switzerland，2024：239-255.
［9］He K，Zhang X，Ren S，et al. Deep residual learning for image recognition［C］// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas：IEEE，2016：770-778.
［10］Hu J，Shen L，Sun G. Squeeze-and-excitation networks［C］// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Salt Lake City：IEEE，2018：7132-7141.
［11］Yurtkulu S C，?瘙塁ahin Y H，Unal G.Semantic segmentation with extended DeepLabv3 architecture［C］// 2019 27th Signal Processing and Communications Applications Conference. Sivas：IEEE，2019：1-4.
［12］Zhou J，Hao M，Zhang D，et al. Fusion PSPnet image segmentation based method for multi-focus image fusion［J］. IEEE Photonics Journal，2019，11(6)：1-12.
［13］Oktay O，Schlemper J，Folgoc L L，et al. Attention u-net：Learning where to look for the pancreas［J］. arXiv preprint arXiv：1804.03999，2018.
［14］戚海洲，吴敬兵，郭荣秋.基于改进DeepLabv3+的草坪区域语义分割方法［J］. 自动化与仪表，2025，40(4)：132-136，141.
［15］Chen G，Li L，Dai Y，et al. AAU-net：an adaptive attention U-net for breast lesions segmentation in ultrasound images［J］. IEEE Transactions on Medical Imaging，2022，42(5)：1289-1300.
［16］乔豪杰，王晓云. 基于Lab和全局阈值分割的水果图像分割算法［J］. 装备机械，2024，188(2)：12-16+64.
［17］孙晨，王昕，蒋国臻. 基于Levy-SOA自适应阈值分割和改进引导滤波的NSST图像增强［J］. 控制工程，2024，31(7)：1297-1304.
［18］粟长权，郭本华，魏一帆，等. 融合Canny边缘检测的多输出损失肺炎CT图像分割算法［J］. 现代计算机，2024，30(1)：1-8，17.
［19］Karabagˇ C，Miller N，Garcia-Finana M，et al. Texture segmentation：an objective comparison between five traditional algorithms and a deep-learning U-Net architecture［J］. Applied Sciences，2019，9(18)：3900.
［20］Luo Z F，Yuan Y，Liu Y F，et al. Semantic segmentation of agricultural images：a survey［J］. Information Processing in Agriculture，2024，11(2)：172-186
［21］Zhu Q，Weng N，Fan L，et al. Enhancing environmental monitoring through multispectral imaging：the WasteMS dataset for semantic segmentation of lakeside waste［C］// International Conference on Multimedia Modeling.Singapore：Springer Nature Singapore，2025：362-372.
［22］Tran D P，Nguyen Q A，Pham V T，et al. Trans2Unet：neural fusion for nuclei semantic segmentation［C］// 2022 11th International Conference on Control，Automation and Information Sciences. Hanoi：IEEE，2022：583-588.
［23］李凯雨，张慧，马浚诚，等. 基于语义分割和可见光谱图的作物叶部病斑分割方法［J］. 光谱学与光谱分析，2023，43(4)：1248-1253.
［24］芦碧波，梁迪，杨洁，等. 基于改进ENet的复杂背景下山药叶片图像分割方法［J］. 智慧农业(中英文)，2024，6(6)：109-120.
［25］孙茜容，王小鹏. 一种改进 ResUNet 的遥感影像建筑物提取方法［J］. Laser & Optoelectronics Progress，2025，62(8)：0828003-0828003-11.
［26］姜文文，夏英. 改进U-Net的多尺度特征融合遥感图像语义分割网络［J］. 计算机科学，2025，52(5)：212-219.
［27］胡磊，胡蓉，赵全友，等. 基于MATLAB的柑橘病虫害图像分割算法的研究［J］. 大众科技，2020，22(11)：9-11.
［28］沈艳艳，赵玉涛，陈庚申，等. 玉米典型叶部病害高光谱识别及其烈度分类［J］. 智慧农业(中英文)，2024，6(2)：28-39.
［29］王营瑛，郑铖，董伟，等. 一种基于改进卷积神经网络的玉米病害高效识别模型［J］. 安徽科技学院学报，2023，37(4)：96-104.
［30］Lu Y，Chen Y，Zhao D，et al. Graph-FCN for image semantic segmentation［C］// International Symposium on Neural Networks.Cham：Springer International Publishing，2019：97-105.
［31］徐婷宜，朱家明，李祥健. 基于全卷积网络的肝脏CT语义分割［J］. 软件工程，2020，23(6)：20-22.
［32］Kalpana P，Chanti Y，Pareek P K.SE-Resnet152 model：early corn leaf disease identification and classification using feature based transfer learning technique［C］// 2023 International Conference on Evolutionary Algorithms and Soft Computing Techniques. Bengaluru：IEEE，2023：1-6.DOI：10.1109/EASCT59475.2023.10392328.
［33］Zhen J，Wang X，Li Y，et al. Detection of strawberry bloom phenology based on YOLO-RCMC and flower opening scale［J］. Smart Agricultural Technology，2025，12：101275.
［34］乔世成，潘春宇，白明宇，等. 基于改进YOLO v10n的石榴病害检测［J］. 沈阳农业大学学报，2025，56(4)：93-102.
［35］Ahmad A，Saraswat D，Gamal A E，et al. CD&S dataset：handheld imagery dataset acquired under field conditions for corn disease identification and severity estimation［EB/OL］. (2021-10-22) ［2025-09-18］. https：//arxiv.org/abs/2110.12084.

相似文献/References:

[1]孙建伟.水涝胁迫对玉米细胞保护酶同工酶的影响[J].江苏农业科学,2013,41(04):85.
[2]刘荣,张卫建,齐华,等.密植型玉米“中单909”高产群体结构特征[J].江苏农业科学,2013,41(05):56.
　Liu Rong,et al.Study on high yield population structure of close planting maize cultivar “Zhongdan 909”[J].Jiangsu Agricultural Sciences,2013,41(4):56.
[3]沈浜凯,肖龙云,冯乃杰,等.黄腐酸和AM真菌对玉米幼苗抗旱性的影响[J].江苏农业科学,2013,41(05):64.
　Shen Bangkai,et al.Effects of fulvic acid and AM fungi on drought resistance of maize seedlings[J].Jiangsu Agricultural Sciences,2013,41(4):64.
[4]张金然,缑艳霞,孙丽鹏.固氮螺菌157对玉米、向日葵的促生长作用[J].江苏农业科学,2014,42(12):116.
　Zhang Jinran,et al.Effects of Azospirillum 157 on growth of maize and sunflower[J].Jiangsu Agricultural Sciences,2014,42(4):116.
[5]白小军,吴燕,牛艳,等.玉米中乙草胺和莠去津残留量GC-MS/MS分析法的建立[J].江苏农业科学,2014,42(11):334.
　Bai Xiaojun,et al().Establishment of GC-MS/MS analysis method of acetochlor and atrazine residues in maize[J].Jiangsu Agricultural Sciences,2014,42(4):334.
[6]邹晓威,王娜,刘芬,等.玉米抗病相关基因在玉米与玉米丝黑穗病菌、玉米黑粉病菌互作过程中的表达差异分析[J].江苏农业科学,2014,42(11):150.
　Zou Xiaowei,et al(0).Different expression of resistance-related genes between Sporisorium reilianum and Ustilago maydis interact with corn[J].Jiangsu Agricultural Sciences,2014,42(4):150.
[7]杨洪兴,陈静,陈艳萍.江苏省玉米机械化生产的发展及育种对策思考[J].江苏农业科学,2014,42(11):116.
　Yang Hongxing,et al().Development and breeding strategy of mechanized production of maize in Jiangsu Province[J].Jiangsu Agricultural Sciences,2014,42(4):116.
[8]张丽妍,霍剑锋,孟繁盛,等.不同肥料、施肥水平及施用方法对玉米产量、性状及效益的影响[J].江苏农业科学,2014,42(11):119.
　Zhang Liyan,et al (9).Effects of different fertilizers，fertilizer levels and fertilizing methods on yield，characters and benefit of maize[J].Jiangsu Agricultural Sciences,2014,42(4):119.
[9]王雷,崔震海,张立军.玉米C4型PEPC全长基因的克隆与表达载体构建[J].江苏农业科学,2014,42(11):26.
　Wang Lei,et al().Cloning and expression vector construction of full-length C4 type PEPC gene in maize[J].Jiangsu Agricultural Sciences,2014,42(4):26.
[10]雷恩,赵光明,刘艳红.不同稀释浓度松土保水剂对玉米营养生长的影响[J].江苏农业科学,2013,41(06):77.
　Lei En,et al.Effect of different dilutions of super absorbent polymer on vegetative growth of maize[J].Jiangsu Agricultural Sciences,2013,41(4):77.
[11]刘丽娟,刘仲鹏.基于改进BP算法的玉米叶部病害图像识别研究[J].江苏农业科学,2013,41(11):139.
　Liu Lijuan,et al.Image recognition of maize leaf diseases based on improved BP algorithm[J].Jiangsu Agricultural Sciences,2013,41(4):139.

备注/Memo

备注/Memo:
收稿日期：2025-08-13
基金项目：国家自然科学基金(编号：32202147)；中央高校基本科研专项资金(编号：2572019BF09)。
作者简介：张园(2001—)，女，山东单县人，硕士研究生，主要研究方向为模式识别。E-mail：nefu_zyy@126.com。
通信作者：胡峻峰，博士，副教授，主要研究方向为模式识别。E-mail：nefuhjf@126.com。
更新日期/Last Update: 2026-02-20