郭鑫鑫;刘洋

吉林农业科技学院

U-net网络;Transformer模型;水稻纹枯病;语义分割;

北方水稻作为我国“北粮南运”工程中的重要粮食作物，受纹枯病危害较严重，为提高北方水稻的产量及品质，通过利用Transformer模型结合全卷积U-net网络，改进U-net语义分割网络模型，实现对水稻纹枯病斑的快速分割与提取。经图像分割试验测试，该语义分割网络模型对水稻纹枯病病斑图像分割的执行时间平均为38.3 s，识别病斑准确率PA值达到96.12%～97.88%，平均像素准确率MPA值为96.82%～97.71%,MIoU值为87.01%～90.12%,Loss BCE值为1.12%～4.29%。试验结果表明，该模型训练稳定性较好，泛化能力较强；可使用相机等拍照方式采集数据，替代专业仪器实现水稻病害快速分割，提高水稻病害图像识别准确率，同时为其他农作物的病斑分割和识别提供方法基础。