基于改进U-Net网络的多尺度番茄病害分割算法OA北大核心CSCDCSTPCD
针对当前农作物病害分割与识别模型病斑分割精度低、数据集不充分、训练速度过慢等问题,构建了一种基于改进的U-Net网络多尺度番茄叶部病害分割算法。在U-Net网络结构基础上进行改进,减小图像输入尺寸,在编码器中使用非对称Inception多通道卷积替换传统卷积,实现多尺度提取病害特征,提升模型准确度;在解码器中加入注意力模块,关注番茄病害边缘,减小上采样噪声;引入GN加速模型收敛,并将改进U-Net网络用在PlantVillage数据集上进行预训练…查看全部>>
赵小虎;李晓;叶圣;冯伟;尤星懿
矿山互联网应用技术国家地方联合工程实验室(中国矿业大学),江苏徐州221008 中国矿业大学信息与控制工程学院,江苏徐州221008矿山互联网应用技术国家地方联合工程实验室(中国矿业大学),江苏徐州221008 中国矿业大学信息与控制工程学院,江苏徐州221008矿山互联网应用技术国家地方联合工程实验室(中国矿业大学),江苏徐州221008 中国矿业大学信息与控制工程学院,江苏徐州221008矿山互联网应用技术国家地方联合工程实验室(中国矿业大学),江苏徐州221008 中国矿业大学信息与控制工程学院,江苏徐州221008矿山互联网应用技术国家地方联合工程实验室(中国矿业大学),江苏徐州221008 中国矿业大学信息与控制工程学院,江苏徐州221008
计算机与自动化
病害图像分割多尺度特征提取注意力机制
《计算机工程与应用》 2022 (10)
P.216-223,8
徐州市重点研发科技项目(KC19112)。
评论