多通道深度可分离卷积模型实时识别复杂背景下甜菜与杂草

• 作者: 孙俊 戴春霞 武小红 沈继锋 芦兵 谭文军
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 作物 图像分割 卷积神经网络 深度学习 甜菜 杂草 实时
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 184-190
• 页数: 7页
• 分类号: S126
• 字数: 5535字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.12.022

摘要

针对实际复杂田间环境下杂草与作物识别精度低和实时性差的问题,为减少弱光环境对分割识别效果的影响,实现甜菜与杂草的实时精确分割识别,该文首先将可见光图像进行对比度增强,再将近红外与可见光图像融合为4通道图像;将深度可分离卷积以及残差块构成分割识别模型的卷积层,减少模型参数量及计算量,构建编码与解码结构并融合底层特征,细化分割边界.以分割识别精度、参数量以及运行效率为评价指标,通过设置不同宽度系数以及输入图像分辨率选出最优模型.试验结果表明:本文模型的平均交并比达到87.58％,平均像素准确率为99.19％,帧频可达42.064帧/s,参数量仅为525763,具有较高分割识别精度和较好实时性.该方法有效实现了甜菜与杂草的精确实时识别,可为后续机器人精确除草提供理论参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武小红	江苏大学电气信息工程学院	62	694	15.0	24.0
2	孙俊	江苏大学电气信息工程学院	133	1226	19.0	28.0
3	戴春霞	江苏大学电气信息工程学院	8	41	4.0	6.0
4	芦兵	江苏大学电气信息工程学院	11	33	3.0	5.0
5	沈继锋	江苏大学电气信息工程学院	10	46	3.0	6.0
6	谭文军	江苏大学电气信息工程学院	3	97	2.0	3.0