,歡迎光臨365体育app官网入口雜志社官方網站！
稿件查詢：
2020年18期
基于深度學習的青菜病害區域圖像語義分割與定位
| 作 者 | 金倫，錢萊 |
| 第一作者 | 金倫 |
| 作者單位 | 浙江師范大學數學與計算機科學學院，浙江金華 |
| 卷 號 | 48 |
| 發表年份 | 2020 |
| 發表刊期 | 18 |
| 發表頁面 | 235-238 |
| 關 鍵 字 | 青菜；圖像語義分割； 深度學習； 病害； 定位 |
| 摘 要 | 對青菜病害區域進行識別并將其與正常作物區分隔能夠起到保護青菜的作用，及時對相關災害區域進行處理，能夠防止災害的進一步蔓延。提出了一種基于深度學習的青菜災害區域圖像語義分割的方法，通過fine-tune FCN以像素級精度分割出圖像中作物災害區進行識別，并借助地面安置的圖像定位標記判斷出災害在地面上的準確位置。由于目前暫無無人機拍攝的公開青菜病害圖像數據集，通過專業無人機采集的方式自建青菜病害區域圖像數據集以滿足檢測需要。結果表明，在自建數據集下fine-tune FCN的mIoU為53.2%，對4種病害類型與健康情況的識別像素精度PA為85.2%，定位精確率為96.8%，能基本滿足病害區域檢測定位需求。同時，對比了文章中提出的網絡架構與SDS，RCNN與FCN在性能上的區別，驗證了該網絡在病害區域的細粒度檢測上擁有更好的魯棒性。 |
| 附 件 |
基于深度學習的青菜病害區域圖像語義分割與定位
|
| 注：若需下載，請右鍵單擊另存 |
