【论文精选】多尺度融合卷积神经网络的黄瓜病害叶片图像分割方法

来源：农业工程学报

《农业工程学报》2020年第36卷第16期刊载了西京学院张善文、王振与王祖良的论文——“多尺度融合卷积神经网络的黄瓜病害叶片图像分割方法”。该研究由国家自然科学基金（项目号：61473237）等资助。

作物病害叶片图像分割是病害检测和病害类型识别方法中的一个重要步骤，其分割效果直接影响到后续的检测和识别结果。在真实农田条件下采集的病害叶片图像不可避免地存在光照不均匀和背景复杂等问题，而且作物病害叶片图像采集不可避免地受到复杂背景、天气变化、拍摄角度等诸多因素的影响，特别是病害叶片及其相应的病变往往是复杂的、不规则的和随时间变化的，因此以上方法基于人工设计的特征提取和阈值求解的病害叶片图像分割方法的分割精度和泛化能力不能满足大田作物病害检测和识别需要。如何在自然环境中有效地对农作物叶片进行图像分割是亟待解决的问题。

针对传统方法对于黄瓜病害叶片图像分割精度低和泛化能力弱等问题，提出一种多尺度融合卷积神经网络，并应用于黄瓜病害叶片分割。该方法由编码网络和解码网络两部分组成，其中编码网络为一个多尺度卷积神经网络组成，用于提取病害叶片图像的多尺度信息；解码网络基于九点双线性插值算法，用于恢复输入图像的尺寸和分辨率。在整体网络模型的结构中，使用跳跃连接来传递不同卷积层中所提取的特征信息，同时引入批归一化操作来缓解模型的梯度弥散现象。在该方法训练的过程中，使用一种渐进微调的迁移学习方法加速模型的训练，提高模型的分割精度。

结果表明，该方法能够满足复杂环境下的黄瓜病害叶片图像分割需求，平均分割准确率为93.12%、平均交并比为91.36%、频率加权交并比为89.76%。本方法为进一步的黄瓜病害识别方法研究提供了参考。

»» 点击  阅读原文  获取全文