基于深度学习的叶片图像分割算法

• 作者: 宋文龙 汪雅婷 王琢 莫冲
• 来源期刊: 森林工程
• 学科: 农学
• 关键词: 全卷积神经网络 图像分割 数据增强 植物叶片
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 森工技术与装备
• 页码范围: 42-46
• 页数: 5页
• 分类号: S781.1|Q6-3
• 字数: 2733字
• 语种: 中文

摘要

为了保证植物叶片图像采集质量,提高植物表型叶片图像分割精度,建立一种基于深度学习的叶片图像分割方法.以Caffe深度学习框架为基础,构建全卷积神经网络(FCN),采用有监督的学习方法,通过对数据集标注、数据集标签制作,实现叶片图像的分割.该方法充分发挥了FCN不限制输入图像的大小,实现端到端的图像分割的特点.同时采用数据增强方法,解决了在叶片数据集稀缺条件下,训练时间长,不容易收敛的问题.实验结果表明,深度学习在植物叶片分割中效果显著,像素准确率达到了91％,Mean IU达到了78.52％,技术指标优于大部分传统图像分割算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王琢	东北林业大学机电工程学院	24	95	6.0	9.0
2	宋文龙	东北林业大学机电工程学院	143	852	16.0	23.0
3	莫冲	东北林业大学机电工程学院	3	6	1.0	2.0
4	汪雅婷	东北林业大学机电工程学院	2	4	1.0	2.0