您好,欢迎访问中国农业科学院 机构知识库!

基于混合扩张卷积和注意力的黄瓜病害严重度估算方法

文献类型: 中文期刊

作者: 李凯雨 1 ; 朱昕怡 1 ; 马浚诚 2 ; 张领先 1 ;

作者机构: 1.中国农业大学信息与电气工程学院

2.中国农业科学院农业环境与可持续发展研究所

关键词: 黄瓜病害;病害严重度;扩张卷积;注意力机制;语义分割

期刊名称: 农业机械学报

ISSN: 1000-1298

年卷期: 2023 年 002 期

页码: 231-239

收录情况: EI ; 北大核心 ; CSCD

摘要: 自动和准确地估计病害的严重度对病害管理和产量损失预测至关重要。针对传统病害严重度估算步骤复杂且低效,难以实现在田间场景下精准估算问题,提出了一种基于混合扩张卷积和注意力机制改进UNet(Mixed dilated convolution and attention mechanism optimized UNet, MA-UNet)的病害严重度估算方法。首先,针对病斑尺寸不一、形状不规则问题,提出混合扩张卷积块(Mixed dilation convolution block, MDCB)增加感受野并保持病斑信息的连续性,提升病斑分割精度。其次,为了克服复杂背景的影响,利用注意力机制(Attention mechanism)对空间维度和通道维度进行相关性建模,获得每个像素类内响应和通道间的依赖关系,缓解背景对网络学习带来的影响。最后,计算病害分割图中病斑像素与叶片像素的比率来获得严重度。基于田间条件下收集的黄瓜霜霉病和白粉病图像进行了验证,并与全卷积网络(Fully convolutional network, FCN)、SegNet、UNet、PSPNet、FPN、DeepLabV3+进行比较。结果表明,MA-UNet优于比较方法,能够满足复杂环境下健康叶片和病斑的分割需求,平均交并比为84.97%,频权交并比为93.95%。基于MA-UNet分割结果估计黄瓜叶部病害严重度的决定系数为0.965 4,均方根误差为1.083 7%。该研究可为人工智能在农业中快速估计和控制病害严重度提供参考。

  • 相关文献

[1]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

[2]小麦全蚀病抗性鉴定方法的优化及抗源筛选研究. 董建力,惠红霞,黄丽丽,王敬东,朱永兴,陈孝,叶兴国. 2009

[3]沙打旺黄矮根腐病在我国北方5省区的分布与危害. 李彦忠,南志标,张志新,刘永儒,高兴业,郑健勋. 2011

[4]基于TM影像光谱指数的棉花病害严重度估测. 陈兵,李少昆,王克如,苏毅,陈江鲁,金秀良,吕银亮,刁万英. 2011

[5]李宝聚博士诊病手记(十三)辽宁凌源黄瓜病害考察记. 李宝聚,曹广勇,张宝玺,顾兴芳,刘洋. 2009

[6]基于高光谱成像和判别分析的黄瓜病害识别. 柴阿丽,廖宁放,田立勋,石延霞,李宝聚. 2010

[7]黄瓜霜霉病和白粉病抗性遗传分析. 张素勤,顾兴芳,张圣平. 2007

[8]常见黄瓜病害的多光谱诊断. 冯洁,廖宁放,赵波,罗永道,李宝聚. 2009

[9]弥粉法施药防治设施黄瓜主要病害技术的研究. 揣红运,谢学文,石延霞,柴阿丽,李宝聚. 2019

[10]李宝聚博士诊病手记(五)2008年我国北方黄瓜霜霉病大流行. 李宝聚,赵彦杰,曹春娜. 2008

[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]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

[13]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

[14]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

[15]基于双线性注意力网络的农业灯诱害虫细粒度图像识别研究. 姚青,姚波,吕军,唐健,冯晋,朱旭华. 2021

[16]无人机遥感影像在油菜品种识别中的应用. 李婕,李毅,张瑞杰,李俐俐,李礼,姚剑,乔江伟. 2022

[17]基于双线性池化的实蝇分类注意力网络. 彭莹琼,俞融融,尹乘乐,洪恩松,俞小明,赵雷,何雯洁,邓泓. 2023

[18]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

[19]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

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

作者其他论文 更多>>