基于改进全卷积神经网络的玉米叶片病斑分割

• 作者: 师韵 李玉彬 王振
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 玉米叶部病斑 全卷积神经网络 图像分割 反卷积
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 127-132
• 页数: 6页
• 分类号: TP391.4
• 字数: 5603字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1902-0038

摘要

玉米叶部病斑的准确分割是识别玉米叶部病害类别、实现作物精准施药的关键.为了准确分割出玉米叶部的病斑区域,提出了一种基于改进全卷积神经网络(Fully Convolutional Neural Network,FCN)的玉米叶片病斑分割方法.该方法的网络结构主要包括一个编码网络和对应的解码网络,在解码网络之后添加一个像素级别的分类器.编码网络结构是在传统VGG16网络的基础上进行改进,解码网络主要是对编码网络中的下采样层进行反卷积操作,通过对解码网络不断地进行训练,可以恢复编码网络输出特征图的分辨率,得到更为精确的分割效果.利用该研究方法与FCN、DeepLabV3、PSP Net等图像分割网络模型在不同的评价指标上进行比较,结果表明研究方法具有较好的分割性能,可以准确分割出玉米叶部的病斑区域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉彬	西京学院信息工程学院	2	6	1.0	2.0
2	王振	西京学院信息工程学院	5	6	1.0	2.0
3	师韵	西京学院信息工程学院	12	38	4.0	5.0