基于深度学习的叶片图像分割算法

摘要：

为了保证植物叶片图像采集质量,提高植物表型叶片图像分割精度,建立一种基于深度学习的叶片图像分割方法.以Caffe深度学习框架为基础,构建全卷积神经网络(FCN),采用有监督的学习方法,通过对数据集标注、数据集标签制作,实现叶片图像的分割.该方法充分发挥了FCN不限制输入图像的大小,实现端到端的图像分割的特点.同时采用数据增强方法,解决了在叶片数据集稀缺条件下,训练时间长,不容易收敛的问题.实验结果表明,深度学习在植物叶片分割中效果显著,像素准确率达到了91％,Mean IU达到了78.52％,技术指标优于大部分传统图像分割算法.

关键词：全卷积神经网络、图像分割、数据增强、植物叶片

所属期刊栏目：35

分类号：S781.1;Q6-3(森林采运与利用)

资助基金：中央高校基本科研业务费专项资金资助项目DL11BB17;国家自然科学基金项目31470714

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：42-46