-
题名基于语义分割的水稻叶瘟病分割与分级方法
被引量：2
- 1
-
-
作者
王旭
邓阳君
杨玉娟
曹淙胤
李楷润
-
机构
湖南农业大学信息与智能科学技术学院
-
出处
《农业装备与车辆工程》
2024年第7期19-24,共6页
-
基金
湖南省教育厅科学研究项目(22B0181)。
-
文摘
针对传统叶瘟病分割和分级方法在效率、准确率等方面存在的问题,提出一种基于语义分割的水稻叶瘟病分割与分级方法。首先,对CO39品种水稻叶片进行图像采集,使用Labelme标注软件对图像叶片和病斑进行标注,建立叶片数据集;然后采用不同的卷积神经网络作为U-Net、DeepLabV3+的主干特征提取网络,构建3种水稻叶片分割模型,分别为VGG16-UNet、ResNet50-UNet、MobileNetV2-DeepLabV3+,对水稻叶片、病斑进行分割,根据叶瘟病分级标准与等级计算公式,确定水稻叶片的叶瘟病等级,在此过程中,对比3种模型的分割性能。结果表明,VGG16-UNet模型为最优模型,在平均像素精度、平均交并比和F1分数上分别达到了86.87%、80.68%和88.48%,能够有效满足水稻叶瘟病分割和分级的实际需求。该方法为开发叶瘟病智能分级系统提供了理论依据,可为其他作物病害的分级研究提供参考。
-
关键词
水稻叶瘟病
深度学习
语义分割
病害程度分级
-
Keywords
rice blast disease
deep learning
semantic segmentation
disease severity grading
-
分类号
S511
[农业科学—作物学]
S435.111.41
[农业科学—农业昆虫与害虫防治]
-
