基于改进Unet的小麦茎秆截面参数检测

摘要：

针对小麦茎秆截面显微图像分割过程的复杂性,融合ResNet50和Unet网络构建维管束和背景区域的语义分割模型Res-Unet,搭建对小麦茎秆截面、髓腔、厚壁和背景的语义分割模型Mobile-Unet,可实现对小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数的检测.针对小麦样本数据集,通过深度学习中迁移学习的共享参数方式,将训练好的ResNet50网络权重应用到茎秆截面切片图像的网络模型上.结果表明,与同类方法相比,相关参数在精度上均有较大提升,全部参数的识别率超过97％,最高可达99.91％,平均每幅图像检测只需21.6 s,与已有图像处理方法(110 s)相比,处理速度提升了 80.36％.模型评估的准确率、召回率、F1值和平均交并比均达到90％.本文方法可用于小麦茎秆微观结构的高通量观察和参数测定,为作物抗倒伏研究奠定了技术基础.

关键词：小麦茎秆;截面参数;显微结构;深度学习;图像处理;语义分割

所属期刊栏目：52

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目;广西自然科学基金项目

在线出版日期：2021-08-17（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：169-176