基于U-Net和超像素分割的烟株自动提取分析

• 作者: 杨威 黄亮 陈裕汉 夏炎 常军
• 来源期刊: 烟草科技
• 学科: 农学
• 关键词: 烟株 自动识别 深度学习 超像素分割 简单线性迭代聚类
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 烟草农学|Tobacco Agronomy
• 页码范围: 20-27
• 页数: 8页
• 分类号: S476
• 语种: 中文

摘要

为解决田间烟株自动识别和计数问题,基于U-Net和SLIC超像素分割,建立了一种烟株自动识别与计数的方法.首先通过训练语义分割网络U-Net提取烟田面积;然后构建过绿差值指数(Excess Green Difference Index,EGDI)去除杂草并提取烟株覆盖面;再使用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对烟草覆盖面进行分割;最后将分割出的烟株进行自动标记和计数.结果表明,采用U-Net网络对烟田面积提取得到的平均交并比(Mean Intersection over Union,MIoU)达到98.24％.运用该方法提取烟株的平均总体精度为99.21％,平均准确度为93.42％,表明该方法对烟株提取和计数具有可行性.