基于U-Net的玉米叶部病斑分割算法

摘要：

本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级.该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务.经测试图像分割试验中病斑分割MIoU值达到93.63％,叶片分割MIoU值达到96.33％,且运算速度均在1秒内完成.试验结果表明,该研究以手机拍照等方式采集数据源,不依赖专业仪器设备即可实现玉米病害快速分级,可取代以往以人工目测进行的病害识别方式,提高了病害分级的准确性和客观性.该模型与物联网设备结合运用,可实现玉米病害预警、降低病害影响、增产增收科技惠农的目标.

关键词：玉米病害、图像处理、全卷积、U-Net、病程分级

所属期刊栏目：37

分类号：S24(农业电气化与自动化)

资助基金：四川省科技计划项目"基于深度卷积神经网络的玉米病害智能识别与分级鉴定研究";四川省科技支撑计划"十三五畜禽育种战略研究;云服务平台建设";四川省软科学研究计划"旅游业对乡村农户生计韧性的扰动机理及防范对策研究:以四川省为例"

在线出版日期：2021-03-16（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：88-95