10.3969/j.issn.1674-8646.2020.20.003
基于深度学习的玉米叶部病害分割
针对深度网络模型在向下编码提取高层语义特征过程中丢失了部分空间上下文信息而影响后续分割精度的问题,本研究提出一种基于深度学习的CornDisNet网络分割模型.该网络在编码底层,从多个尺度提取图像语义特征,为后续解码捕获更多空间上下文信息,实现了玉米叶部病害区域的精准分割.该网络结构主要包括编码模块、多尺度特征提取模块和解码模块.编码和解码模块采用U-Net网络中的编码和解码模块,多尺度特征提取模块通过使用Atrous卷积,从不同尺度提取特征,以保留更多空间上下文信息.该方法与U-Net网络在准确率Acc、召回率Rec和精确率Prec三个评价指标上进行了比较.实验结果表明,本研究提出的方法在玉米叶部病害分割中取得了更好的分割效果.
深度学习、CornDisNet、多尺度特征、玉米叶部病害分割
11
TP391(计算技术、计算机技术)
吉林省新兴交叉学科数字农业培育项目2020;XSNY013
2020-11-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
10-13