基于多尺度图像分割的花椒锈病细粒度图像识别研究

发布时间：2021-11-03 13:57

　　随着计算机视觉技术的不断发展,人工智能技术在农业领域的应用逐渐增多。花椒在我国广泛种植,是具有高附加值的经济林产品,花椒锈病是影响花椒产量以及质量的主要因素,对其感染程度的识别研究具有重要的实用价值。由于花椒锈病区域颜色、形状复杂,依赖林业专家的传统诊断方法对锈病严重程度判断的准确性不高。针对上述问题,本文基于深度学习的方法,对花椒锈病区域的分割识别方法进行了研究,首先通过Goog Le Net对叶片是否有锈病进行判断,然后对花椒锈病叶片进行细粒度分割研究,基于Deep Lab V2模型提出了具有更高分割准确率的模型。本论文所做工作如下:1.采集花椒锈病图片并进行数据筛选等预处理,将花椒锈病图像按叶片、背景、凸起孢子堆部分以及偏褐色病斑部分共分为4类进行标注。本文对100片花椒锈病叶片进行了细粒度精细化标注,经过裁剪后每张图像大小为480×360,数据集总量为5753张。本文构建了较高质量的花椒锈病图像数据集,为花椒锈病分割深度学习模型的训练提供数据支撑。2.针对花椒锈病病斑大多数面积较小且形态复杂的特殊性,本文提出了FASPP（Five-branch Atrous Spatial P... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

COCO数据集样本示意图

电子科技大学硕士学位论文考虑。全连接CRF的加入优化了分割边界，提高了准确率。3.4.2基于原模型的实验结果分析由于需要进行实验对比，本文首先使用DeepLabV2原模型基于制作的花椒锈病细粒度分割数据集进行实验。3.4.2.1实验环境及设置实验的电脑环境为Ubuntu16.04，电脑CPU为IntelCorei7-7700，GPU为NVIDIAGeForceGTX1080Ti，使用的深度学习框架为Caffe。3.4.2.2神经网络训练参数使用DeepLabV2原模型进行训练的学习率为0.001，学习策略为“poly”，poly学习策略的表达式为：New_lr=Base_lr(1iter/max_iter)power(3-9)其中指数（power）为0.9，最大迭代次数（max_iter）为80000次，poly变化策略中学习率随迭代次数变化曲线如图3-14所示。图3-14poly学习率变化曲线DeepLabV2网络的训练是在GPU下训练的，每训练5000次保存一次模型。40

【参考文献】：
期刊论文
[1]基于颜色自相关和颜色空间分布熵的图像检索方法[J]. 杨得国,胡少一,冷齐.  西北师范大学学报(自然科学版). 2018(03)
[2]基于优选傅里叶描述子的粘连条锈病孢子图像分割方法研究[J]. 邸馨瑶,焦林,宋怀波.  计算机应用与软件. 2018(03)
[3]铁皮石斛花椒鞘锈菌新病害鉴定分析[J]. 席刚俊,赵楠,赵菊润,赵桂华.  西南林业大学学报(自然科学). 2018(02)
[4]基于高光谱成像技术的小麦条锈病病害程度分级方法[J]. 雷雨,韩德俊,曾庆东,何东健.  农业机械学报. 2018(05)
[5]结合贝叶斯分类与SLIC的Grabcut彩色图像分割[J]. 赵玮霖,贾振红,李亮亮,杨杰,NIKOLA Kasabov.  激光杂志. 2017(05)
[6]结合新颜色空间与Otsu的分水岭彩色图像分割算法[J]. 汪澜,张慧,张海涛.  计算机应用研究. 2017(12)
[7]基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测方法[J]. 欧周,林佳亮,黄庆键.  自动化应用. 2016(11)
[8]重庆市小麦条锈病发生规律和影响因素分析[J]. 杨宇衡,宿巧燕,王泽乐,周天云,刘祥贵,毕朝位,余洋,康振生.  西北农林科技大学学报(自然科学版). 2016(09)
[9]花椒的主要品种及其开发利用[J]. 肖正春,张卫明.  中国野生植物资源. 2016(01)
[10]复杂背景下小麦叶部病害图像分割方法研究[J]. 张武,黄帅,汪京京,刘连忠.  计算机工程与科学. 2015(07)



本文编号：3473811