改进DeepLabV3+的农作物病害分割方法_余文杰.pdf
《改进DeepLabV3+的农作物病害分割方法_余文杰.pdf》由会员分享,可在线阅读,更多相关《改进DeepLabV3+的农作物病害分割方法_余文杰.pdf(3页珍藏版)》请在咨信网上搜索。
1、第 31 卷 第 4 期 2023 年 8 月Vol.31 No.4Aug.2023电脑与信息技术Computer and Information Technology文章编号:1005-1228(2023)04-0031-03改进 DeepLabV3+的农作物病害分割方法余文杰(长江大学,湖北 荆州434023)摘要:针对于传统农作物病害识别存在的效率低、难度大等问题,提出了一种改进 DeepLabV3+网络的农作物病害分割方法。主干特征提取网络使用轻量级的 MobileNetV3,在空洞空间金字塔池化(ASPP)中使用深度可分卷积替代普通卷积,减少模型计算量;引入 SE 通道注意力和 EC
2、A 有效通道注意力,挖掘有效的通道信息来提高分割精度。以某地区的苹果叶片病害图像作为研究对象。实验结果表明,改进的 DeepLabV3+算法平均交并比可达到 82.7%,而且模型参数量只有 4.98MB,具有较好的性能。关键词:语义分割;农作物病害分割;DeepLabV3+;深度可分卷积;有效通道注意力;中图分类号:TP391.4文献标识码:AImproved Crop Disease EgmentationMethod of DeepLabV3+YU Wen-jie(Dept.Yangtze University,Jingzhou 434023,China)Abstract:Aiming a
3、t the problems of low efficiency and difficulty in traditional crop disease iden-tification,an improved method of crop disease segmentation based on DeepLabV3+network is proposed.The backbone feature extraction network uses lightweight MobileNetV3.In the empty space pyramid pooling(ASPP),the depth d
4、ivisible convolution is used to replace the ordinary convolution,reducing the amount of model calculation;SE channel attention and ECA effective channel attention are introduced to mine effective channel information to improve segmentation accuracy.The image of apple leaf disease in a certain area w
5、as taken as the research object.The experimental results show that the improved DeepLabV3+algorithm can achieve 82.7%of the av-erage cross merge ratio,and the model parameters are only 4.98MB,which has good performance.Key words:semantic segmentation;crop disease segmentation;DeepLabV3+;depthwise se
6、parable convolu-tion;effective channel attention收稿日期:2022-10-20作者简介:余文杰(1999-),男,湖北潜江人,硕士,主要研究方向:计算机视觉。农作物在生长过程中,容易受到天气、害虫等因素的侵扰,导致患上各类疾病,如果不及时救治,农作物产量和质量都会大打折扣。传统的农作物的病害识别方法,主要还是依赖历代农民实践中积累的经验进行判断。这样在判断农作物病害时,难免会出现错误,造成误治农作物的情况。另外,在农作物种植过程中,需要农业人员每天去观察农作物的生长状况,耗时耗力且效率低下。因此,当今的农业生产需要更加高效、便捷的农作物识别方法来
7、改变现状1。近年来计算机硬件和大数据技术飞速发展,深度学习得到了技术支持,也开始蓬勃发展。语义分割就是深度学习中图像处理和机器视觉的一个重要分支,该技术识别精度高、检测速度快。将语义分割应用到农作物病害识别上能够有效解决上述提到的传统农作物识别的问题,及时发现农作物患病情况,减少人力物力的消耗,提高农作物的产量,逐渐实现农业信息化。但是传统的语义分割模型的参数量都比较大,如全卷积网络(FCN)、SegNet、U-Net、金字塔场景解析网络(PSPNet),DeepLabV3+等。这让它们难以部署在移动和嵌入式应用中,如果不能应用嵌入式设备中,那么使用语义分割来识别农作物病害仍然是不切实际的。基
8、于上述研究,本文提出了一种基于改进DeepLabV3+的轻量级语义分割模型,该模型很好地兼顾了参数量和性能 2 个方面。网络使用MobileNetV3 作为主干特征提取网络,在空洞空间卷DOI:10.19414/ki.1005-1228.2023.04.022电脑与信息技术 2023 年 8 月32积池化金字塔 ASPP(Atrous Spatial Pyramid)模块2中使用深度可分卷积替代普通卷积来减少模型计算量;引入 SE(Squeeze-and-Excitation)通道注意力3,有效通道注意力 ECA(Efficient Channel Attention)模块4,挖掘有效的通道信
9、息来还原目标边界,提高分割精度5。1改进的 DeepLabV3+语义分割模型1.1整体模型改进的 DeepLabV3+语义分割模型仍然是编码器-解码器结构。模型整体结构如下图 1 所示。(1)编码器部分:负责提取输入模型的数据的特征信息。编码器由特征提取模块和多尺度并行模块组成,本文模型在原有模型的基础上改进了三部分,特征提取模块不再使用 Xception 模型而是使用更轻量级的 MobileNetV3 模型,引入 SE 通道注意力机制改进编码器,使编码器捕获更丰富的多尺度信息。(2)解码器部分:会利用主干特征提取网络的底层特征与经过多尺度并行模块的高层特征进一步融合,沿着物体边界进行优化,逐
10、步恢复空间信息。本文模型在解码器部分也进行了改进,加入了有效通道注意力模块,让解码器使用注意力模块得到的更为重要的特征来恢复空间信息,提高模型分割准确率。图 1 改进 DeepLabV3+网络整体结构图1.2特征提取模块编码器部分的特征提取模块使用 MobileNetV36网络,MobileNet 使用深度可分卷积代替普通卷积,深度可分卷积在理论上所使用的计算量是普通卷积的 1/9,使用这种卷积让网络的计算量与其他传统卷积网络相比要小很多,所以 MobileNetV3 相比于Xception 参数量更少,模型训练耗时更短,模型复杂度更低,收敛更容易。1.3改进的编码器除了 DeepLabV3+
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 改进 DeepLabV3 农作物 病害 分割 方法 余文杰
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。