文献类型： 中文期刊

作者： 臧贺藏 ¹ ; 任帅 ² ; 王从胜 ¹ ; 王盛威 ³ ; 赵瑞玲 ⁴ ; 陈丹丹 ¹ ; 赵晴 ¹ ; 张杰 ¹ ; 郑国清 ¹ ; 李国强 ¹ ;

作者机构： 1.河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室

2.新乡市农业科学院

3.中国农业科学院农业信息研究所

4.新乡工程学院

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 56 卷 012 期

页码： 147-153

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个和5.38个百分点；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病的自动检测和早期预防提供技术支持。