基于改进UperNet 的结球甘蓝叶球识别方法
后印本
Identification Method of Kale Leaf Ball Based on Improved UperNet
-
作者：
朱轶萍
1,2
吴华瑞
1,2,3,4*
郭旺
2,3,4
吴小燕
2
-
作者单位：
-
提交时间：2024-08-30 23:01:24
摘要: ［目的/意义］叶球是结球甘蓝的重要部分，其生长发育对田间管理至关重要。针对叶球分割识别存在大 田背景复杂、光照不均匀和叶片纹理相似等问题，提出一种语义分割算法UperNet-ESA，旨在能快速、准确地分 割田间场景中结球甘蓝的外叶和叶球，以实现田间结球甘蓝的智能化管理。［方法］首先，采用统一感知解析网络 （Unified Perceptual Parsing Network, UperNet） 作为高效语义分割框架，将主干网络改为先进的ConvNeXt，使得模 型在提升分割精度的同时也能具有较低的模型复杂度；其次，利用高效通道注意力机制（Efficient Channel Atten⁃ tion, ECA） 融入特征提取网络的各阶段，进一步捕捉图像的细节信息；最后，通过将特征选择模块（Feature Se⁃ lection Model, FSM） 和特征对齐模块（Feature Alignment Model, FAM） 集成到特征金字塔框架中，得到更为精确的 目标边界预测结果。［结果和讨论］在自制结球甘蓝图像数据集上进行实验，与目前主流的UNet、PSPNet和Deep⁃ labV3+语义分割模型相比，改进UperNet方法的平均交并比为92.45%，平均像素准确率为94.32%，推理速度为 16.6 f/s，能够达到最佳精度-速度平衡效果。［结论］研究成果可为结球甘蓝生长智能化监测提供理论参考，对甘 蓝产业发展具有重要的应用前景。
版本历史
| [V1] |
2024-08-30 23:01:24 |
ChinaXiv:202408.00294V1
|
下载全文 |
相关信息
点击量
下载量
