-
题名基于语义分割网络模型的核桃叶片焦枯程度估计研究
- 1
-
-
作者
司恒山
何子奇
李志鹏
陆森
张劲松
-
机构
林木资源高效生产全国重点实验室
南京林业大学南方现代林业协同创新中心
河南小浪底森林生态系统定位观测研究站
-
出处
《林业科学研究》
北大核心
2025年第1期28-38,共11页
-
基金
新疆维吾尔自治区“揭榜挂帅”项目
中央级公益性科研院所基本科研业务费专项项目(CAFYBB2024ZA015)。
-
文摘
[目的]实现核桃叶片焦叶程度的准确定量化,为科学精准治理焦叶症提供科学依据。[方法]以核桃叶片复杂背景图像为研究对象,提出基于语义分割网络模型的核桃叶片焦叶症分级方法。首先对焦叶叶片图像进行分割,主要包括两个阶段,第一阶段采用Segment Anything(SAM)模型在复杂自然背景下提取目标叶片的边缘轮廓,第二阶段分别使用SAM和Mask R-CNN模型,对焦叶叶片进行分割。然后,提出了核桃叶片焦叶程度的分级标准与方法。[结果]SAM和Mask R-CNN模型都具有较好地核桃焦叶叶片识别和分割能力。SAM模型虽然分割时需点选标识目标区域,但该模型无需再次训练即可直接运行,具有较好的可操作性和交互性。相比之下,经训练后的Mask R-CNN模型分割精度更高,其像素精度、平均像素精度、平均交并比分别为98.95%、98.19%、95.94%。同时,基于Mask R-CNN模型的核桃叶片焦叶程度的分级平均准确率达到91.29%。[结论]在复杂自然背景下,采用基于语义分割网络模型的两阶段核桃叶片焦叶程度分级方法,能够准确地对核桃叶片焦叶部位进行识别和分割,为核桃焦叶程度等级划分提供了理论依据,对核桃焦叶症的精准防控提供了技术支撑。
-
关键词
核桃叶片
焦叶症
严重程度分级
复杂背景
语义分割
-
Keywords
walnut leaf
Juglans leaf necrosis
severity classification
complex background
semantic segmentation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
S76
[农业科学—森林保护学]
S75
[农业科学—森林经理学]
-
