文献类型：期刊文章

作　　者：王振[1] 张善文[1] 赵保平[2]

WANG Zhen;ZHANG Shanwen;ZHAO Baoping(College of Science,Xijing University,Xi’an 710123,China;Baoji Institute of Agricultural Science,Baoji,Shaanxi 721000,China)

机构地区：[1]西京学院信息工程学院,西安710123 [2]宝鸡市农业科学研究院,陕西宝鸡721000

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61473237);陕西省教育厅科研项目(No.16JK2237)。

年　　份：2020

卷　　号：56

期　　号：15

起止页码：242-250

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统卷积神经网络在作物病害叶片图像中分割精度低的问题,提出一种基于级联卷积神经网络(Cascade Convolutional Neural Network,CCNN)的作物病害叶片图像分割方法。该网络由区域病斑检测网络和区域病斑分割网络组成。基于传统VGG16模型构建区域病斑检测网络(Regional Detection Network,RD-net),利用全局池化层代替全连接层,由此减少模型参数,实现叶片病斑区域精确定位。基于Encoder-Decoder模型结构建立区域分割网络(Regional Segmentation Network,RS-net),并利用多尺度卷积核提高原始卷积核的局部感受野,对病斑区域精确分割。在不同环境下的病害叶片图像上进行分割实验,分割精度为87.04%、召回率为78.31%、综合评价指标值为88.22%、单幅图像分割速度为0.23 s。实验结果表明该方法能够满足不同环境下的作物病害叶片图像分割需求,可为进一步的作物病害识别方法研究提供参考。

关 键 词：卷积神经网络 图像分割 作物病害 级联卷积神经网络  

分 类 号：TP391.4]