反卷积引导的番茄叶部病害识别及病斑分割模型

作     者：任守纲 贾馥玮 顾兴健 袁培森 薛卫 徐焕良 Ren Shougang;Jia Fuwei;Gu Xingjian;Yuan Peisen;Xue Wei;Xu Huanliang

作者机构：南京农业大学信息科技学院南京210095 国家信息农业工程技术中心南京210095 江苏省物联网技术与应用协同创新中心南京210023 

基　　金：国家自然科学基金项目(61806097) 国家重点研发计划项目(2018YFD0501900) 江苏省创业训练项目(201910307173T) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2020年第36卷第12期

页      码：186-195页

摘      要：针对当前植物叶部病害识别模型易受阴影、遮挡物及光线强度干扰,特征提取具有盲目和不确定性的问题,该研究构建一种基于反卷积引导的VGG网络(Deconvolution-Guided VGGNet,DGVGGNet)模型,同时实现植物叶部病害种类识别与病斑分割。首先使用VGGNet计算多分类交叉熵损失进行病害分类训练,得到病害分类结果;其次设计反向全连接层,将分类结果恢复为特征图形式;然后采用上采样与卷积操作相结合的方法实现反卷积,利用跳跃连接融合多种特征恢复图像细节;最后使用少量病斑监督,对每个像素点使用二分类交叉熵损失进行训练,引导编码器关注真实的病斑部位。试验结果表明,该研究模型的病害种类识别精度达99.19%,病斑分割的像素准确率和平均交并比分别达94.66%和75.36%,在遮挡、弱光等环境下具有良好的鲁棒性。

主 题 词：病害 图像识别 卷积神经网络 图像分割 反卷积 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.11975/j.issn.1002-6819.2020.12.023

馆 藏 号：203954076...