10.3969/j.issn.1006-8023.2019.01.007
基于深度学习的叶片图像分割算法
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.
全卷积神经网络、图像分割、数据增强、植物叶片
35
S781.1;Q6-3(森林采运与利用)
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
2019-05-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
42-46