数字农科院2.0

基于语义分割和可见光谱图的作物叶部病斑分割方法

文献类型： 中文期刊

作者： 李凯雨;张慧;马浚诚;张领先

作者机构：

关键词： 可见光光谱;作物;病斑分割;语义分割;全卷积神经网络

期刊名称：光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2023 年 43 卷 04 期

页码：

收录情况： SCIE（2023版） ; ; EI（2023版） ; ; 北大核心（2020版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2023版）

摘要： 病害严重影响作物品质，并造成经济损失。病斑分割是病害定量诊断的重要过程，其分割结果可为后续的识别和严重度估算提供有效依据。由于病斑具有不规则性和复杂性，且自然环境下病斑可见光谱图像易受光照变化等影响，传统的图像处理方法对病斑图像分割存在准确率低、普适性低和鲁棒性不高等问题。该工作提出了基于语义分割和可见光谱图像的作物叶部病害病斑分割方法。首先，以花生褐斑病、烟草赤星病为研究对象，使用尼康D300s单反相机共采集到165张可见光谱图像。通过Matlab Image Labeler APP对病害可见光谱图像进行像素标记，分别标记出褐斑病病斑、赤星病病斑和背景区域。其次，对标记后的数据采用水平翻转、垂直翻转、改变亮度等图像扩充方式，获得1 850份增强后样本数据集。为了节约计算成本，将数据集的像素分辨率调整为300×300。最后，基于FCN, SegNet和U-Net 3种语义分割网络，构建4种作物叶部病害病斑分割模型，探索了数据增强、病害类别对病斑分割模型的影响，并采用4种分割指标评价模型效果。结果表明：仅对于病斑分割，图像增强能够提高模型的分割精度，增强后FCN模型的平均精度（MP）和平均交并比（MIoU）分别为95.71%和93.36%。4个语义分割模型显著优于支持向量机（SVM）,其中FCN与U-Net, SegNet-2和SegNet-4分割模型相比，能够有效避免光线变化等影响，病斑分割精度（P）和交并比（IoU）分别达到99.25%和97.55%。对于病斑分类分割实验，FCN对两种病害的分割精度Pd分别达到97.54%和90.41%,对两种病害的交并比IOUd分别为95.61%和70.30%,均优于其他3种分割模型。FCN能够在分割病斑的同时也准确地识别病害类别，有较好的泛化性和鲁棒性，实现了自然场景下作物叶部病害病斑的识别与分割，为计算混合病害严重度提供了技术参考。

分类号：

  • 相关文献

[1]基于卷积神经网络的温室黄瓜病害识别系统. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 2018

[2]可见光光谱和支持向量机的温室黄瓜霜霉病图像分割. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 2018

[3]可见光光谱和机器学习的温室黄瓜霜霉病严重度定量估算. 张领先,田潇,李云霞,陈运强,陈英义,马浚诚. 2020

[4]可见光光谱的冬小麦苗期地上生物量估算. 张领先,陈运强,李云霞,马浚诚,杜克明,郑飞翔,孙忠富. 2019

[5]基于可见光光谱高效鉴别玉米单倍体籽粒（英文）. 刘金,郭婷婷,李浩川,贾仕强,严衍禄. 2015

[6]采用改进Unet网络的茶园导航路径识别方法. 赵岩,张人天,董春旺,刘中原,李杨. 2022

[7]基于DeepLabV3+网络的机收大豆破碎率在线检测方法. 刘士坤,金诚谦,陈满,杨腾祥,徐金山. 2023

[8]基于混合扩张卷积和注意力的黄瓜病害严重度估算方法. 李凯雨,朱昕怡,马浚诚,张领先. 2022

[9]基于HRNet-OCR模型的农村宅基地提取方法. 韦任,范蓓蕾,赵子娟,杨荣超. 2022

[10]基于改进PSPnet的无人机农田场景语义分割. 刘尚旺,张杨杨,蔡同波,唐秀芳,王长庚. 2022

[11]卷积神经网络在农业遥感图像语义分割中的应用综述. 徐乐园,毛克彪,郭中华,葛非凡,赵瑞. 2024

[12]果园作业机器人自主导航多任务联合感知方法研究. 张津国,蔡建峰,姜蓉蓉,余山山,王蓬勃. 2025

[13]基于改进Swin-Unet的小麦条锈病分割方法. 臧贺藏,任帅,王从胜,王盛威,赵瑞玲,陈丹丹,赵晴,张杰,郑国清,李国强. 2024

[14]基于无人机RGB图像和深度学习的豚草识别方法. 张愉麟,张国良,付卫东,武永峰,宋振,张岳,刘金行,李廷亮. 2025

[15]水稻田间收割场景语义分割方法——基于改进DeepLabV3+. 边铭,纪爱敏,沈成,蔺秋雨,韩宇飞. 2025

[16]基于自监督学习的作物叶部病虫害图像分类、检测与分割研究进展. 张越,刘建平,周国民,王健,陈曦,孙露露,任海玉,刘盼. 2025

[17]基于视觉—RTK的苹果园植保机器人自主导航研究. 黄鹏飞,薛新宇,崔龙飞. 2025

[18]基于可见光图像和卷积神经网络的冬小麦苗期长势参数估算. 马浚诚,刘红杰,郑飞翔,杜克明,张领先,胡新,孙忠富. 2019

[19]作物混植和间作控制病虫害研究的新进展. 沈君辉,聂勤,黄得润,刘光杰,陶龙兴. 2007

[20]基于遥感和AquaCrop作物模型的多同化算法比较. 邢会敏,李振海,徐新刚,冯海宽,杨贵军,陈召霞. 2017

作者其他论文 更多>>