数字农科院2.0

基于改进Swin-Unet的小麦条锈病分割方法

文献类型： 中文期刊

作者： 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

作者机构：

关键词： 小麦条锈病;语义分割;Swin-Unet;注意力机制

期刊名称：山东农业科学

ISSN： 1001-4942

年卷期： 2024 年

页码：

收录情况： 北大核心（2023版） ; ; 科技核心（2024版） ; ; 农林核心（2020版）

摘要： 条锈病是影响小麦产量及粮食安全的重要因素，条锈病图像的精准分割是实现计算机辅助精准防治的重要基础。针对小麦条锈病图像中病斑形态复杂、病斑与非病斑之间边界模糊、分割精度低的问题，本研究提出了一种基于改进Swin-Unet的小麦条锈病图像分割方法，通过在Swin-Unet中引入SENet（Squeeze and Excitation Networks）和残差网络（ResNet）模块来增强模型对条锈病特征的表达能力。实验结果表明，改进Swin-Unet对背景、孢子和叶片的查准率分别为99.24%、82.32%和94.36%，可以从复杂环境中有效分割出背景、孢子和叶片图像，具有较好的计算机视觉处理能力和分割评估效果。改进Swin-Unet总体分割准确率、平均交并比和均像素准确率分别为96.88%、84.91%和90.50%，较Swin-Unet分别提高了2.84%、4.64%和5.38%；与其他网络模型U-Net、PSPNet、DeepLabV3+和Swin-Unet相比，改进Swin-Unet具有最佳分割效果。表明本研究提出的方法可以精准检测和分割小麦条锈病图像，这可为田间复杂环境下小麦条锈...

分类号：

  • 相关文献

[1]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

[2]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

[3]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

[4]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

[5]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

[6]基于语义分割和可见光谱图的作物叶部病斑分割方法. 李凯雨,张慧,马浚诚,张领先. 2023

[7]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

[8]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

[9]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

[10]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

[11]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

[12]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

[13]基于TBTA网络的高光谱图像分类. 唐婷,潘新,罗小玲,闫伟红. 2023

[14]基于改进U-Net模型的小麦收获含杂率在线检测方法. 陈满,金诚谦,莫恭武,刘士坤,徐金山. 2022

[15]基于改进YOLOv4-tiny的茶叶嫩芽检测模型. 方梦瑞,吕军,阮建云,边磊,武传宇,姚青. 2022

[16]基于改进YOLO v8n-seg的群猪分割方法研究. 王兴家,郑纪业,盛清凯,杨亮,张霞. 2025

[17]基于迁移学习的MobileViT-CBAM鲜烟叶成熟度识别模型研究. 赵泮真,王松峰,齐飞,胡强,王爱华,李亚纯,孟令峰,尹东,段史江,王志生. 2025

[18]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[19]基于改进MobileNet的轻量级外来入侵植物识别模型研究. 吴鸿飞,刘万学,冼晓青,赵梦欣,姚青. 2024

[20]基于改进YOLOv5n模型的农作物病虫害识别方法. 承达瑜,赵伟,何伟德,武择鹏,王建东. 2024

作者其他论文 更多>>