基于Mask R-CNN的葡萄叶片实例分割

摘要：

在大田环境下对葡萄生长状态和病虫害进行长期动态自动监测,需要对监控摄像头拍摄的每张单个叶片进行实例分割,工作量大,为解决这一问题采用了基于Mask R-CNN的实例分割算法.该算法是在Faster R-CNN的基础上增加一个能在候选区域上进行分割任务的分支,葡萄叶片图像首先通过区域卷积神经网络生成候选区域,利用Fast R-CNN的卷积层提取葡萄叶片的整体特征,得到特征图;再由ROIAlign对特征图进行像素校正,并对每一个ROI预测,得到其类别及预测框,每一个ROI再通过一个全卷积网络对每个像素进行分类和分割.对不同天气下正常的葡萄叶片、病害叶片以及不同品种的葡萄叶片图像进行分割试验,结果表明,本算法对正常叶片、病害叶片及不同品种叶片分割的平均精度(average precision,AP)分别是0.9108、0.9068、0.9044、0.8845、0.9028.该方法对不同天气及复杂背景下的叶片实例分割都具有较好的鲁棒性和较高的精度.

关键词：MaskR-CNN、实例分割、复杂背景、天气条件、葡萄叶片

所属期刊栏目：47

分类号：TP751(遥感技术)

资助基金：国家自然科学基金项目61461005;甘肃省科技重大专项计划项目1502NKDF023;甘肃农业大学研究生重点课程建设项目GSAU-ZDKC-1804

在线出版日期：2019-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：15-22