文献类型： 中文期刊

作者： 李婕 ¹ ; 高澄 ¹ ; 涂静敏 ¹ ; 方岳 ¹ ; 乔江伟 ² ; 李礼 ³ ;

作者机构： 1.湖北工业大学

2.中国农业科学院油料作物研究所

3.武汉大学

关键词： 油菜花;油菜花覆盖度;图像分割;特征融合模块;油菜产量

期刊名称： 江苏农业科学

ISSN： 1002-1302

年卷期： 2024 年 52 卷 020 期

页码： 113-121

收录情况： 北大核心

摘要： 开花是油菜生长过程中的重要阶段，花朵覆盖度可以精确反映油菜花的生长状态，为产量预测提供有用信息。为了解决传统覆盖度获取方法需要大量人工的问题，本研究将覆盖度问题转变为油菜花的分割问题，提出了一种快速、无损的油菜花簇覆盖度获取方法。首先，基于无人机(UAV)的RGB影像，针对UNet网络特征融合不充分的问题，设计了一种特征聚合桥分割网络FABM-UNet;其次，为了验证模型的有效性，构建了油菜花分割数据集RSD,该数据集由DJI Phantom 4 Pro v2.0捕获而得，包括720张油菜花的影像以及对应的分割标签；最后，与传统的4种分割方法以及7种深度学习的网络(Deeplabv3+、PSPNet、UNet、UNet++、UNet3plus、Attention-UNet和TransUNet)进行对比，结果表明，FABM-UNet网络的分割指标IoU和Dice系数分别为0.87和0.93,在本研究的油菜花数据集上实现了最优分割性能，分割结果可以直观揭示油菜花朵覆盖度的变化情况，为油菜品种的选育提供了有力的支撑。