基于语义分割的复杂场景下的秸秆检测

• 作者: 于海业 刘媛媛 张硕 王佳木 王跃勇
• 来源期刊: 光学精密工程
• 学科: 农学
• 关键词: 秸秆检测 语义分割 深度可分离卷积 注意力机制 残差结构
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 200-211
• 页数: 12页
• 分类号: S24|TP751
• 字数: 5058字
• 语种: 中文
• DOI: 10.3788/OPE.20202801.0200

摘要

基于阈值或纹理分割的秸秆覆盖率检测算法,存在准确性低、复杂度高、运行耗时长等问题,且对含有大量干扰因素的复杂农田场景分割效果不佳.本文提出了一种检测准确度高、训练参数少且运行速度快的语义分割算法(DSRA-UNet).该算法结合UNet的对称编-解码架构,在浅层特征图使用标准卷积,深层采用深度可分离卷积,并在每一层增加残差结构来加大网络深度,以降低参数量的同时提高精度.此外,在跳级连接过程增加全局最大池化注意力机制,进一步提高网络的分割精度.将算法在秸秆数据集上进行验证,实验结果表明本文所提算法平均交并比达到94.3％,训练参数量仅为0.76M,单张图片测试时间在0.05s以下.该算法可以精准分割出秸秆和土壤,并可在复杂环境下将干扰信息分割出,可在一定程度上解决图像中的阴影问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于海业	吉林大学工程仿生教育部重点实验室	111	1103	18.0	26.0
2	刘媛媛	吉林农业大学信息技术学院	20	75	4.0	7.0
3	张硕	吉林农业大学信息技术学院	2	2	1.0	1.0
4	王跃勇	吉林农业大学工程技术学院	2	6	2.0	2.0
5	王佳木	吉林农业大学信息技术学院	1	2	1.0	1.0