引用格式
朱轶萍, 吴华瑞, 郭旺, 吴小燕. 基于改进UperNet的结球甘蓝叶球识别方法[J]. 智慧农业(中英文), 2024, 6(3): 128-137.
DOI：10.12133/j.smartag.SA202401020
ZHU Yiping, WU Huarui, GUO Wang, WU Xiaoyan. Identification Method of Kale Leaf Ball Based on Improved UperNet[J]. Smart Agriculture, 2024, 6(3): 128-137.
DOI：10.12133/j.smartag.SA202401020
✦
✧
基于改进UperNet的结球
甘蓝叶球识别方法
✦
朱轶萍1，2， 吴华瑞1，2，3，4*， 郭旺2，3，4， 吴小燕2
（1.江苏大学 计算机科学与通信工程学院，江苏镇江 212013，中国；2.国家农业信息化工程技术研究中心，北京 100097，中国；3.北京市农林科学院信息技术研究中心，北京 100097，中国；4.农业农村部数字乡村技术重点实验室，北京 100097，中国）
摘要： ［目的/意义］叶球是结球甘蓝的重要部分，其生长发育对田间管理至关重要。针对叶球分割识别存在大田背景复杂、光照不均匀和叶片纹理相似等问题，提出一种语义分割算法UperNet-ESA，旨在能快速、准确地分割田间场景中结球甘蓝的外叶和叶球，以实现田间结球甘蓝的智能化管理。
［方法］首先，采用统一感知解析网络（Unified Perceptual Parsing Network, UperNet）作为高效语义分割框架，将主干网络改为先进的ConvNeXt，使得模型在提升分割精度的同时也能具有较低的模型复杂度；其次，利用高效通道注意力机制（Efficient Channel Attention, ECA）融入特征提取网络的各阶段，进一步捕捉图像的细节信息；最后，通过将特征选择模块（Feature Selection Model, FSM）和特征对齐模块（Feature Alignment Model, FAM）集成到特征金字塔框架中，得到更为精确的目标边界预测结果。
［结果和讨论］在自制结球甘蓝图像数据集上进行实验，与目前主流的UNet、PSPNet和DeeplabV3+语义分割模型相比，改进UperNet方法的平均交并比为92.45%，平均像素准确率为94.32%，推理速度为16.6 f/s，能够达到最佳精度-速度平衡效果。
［结论］研究成果可为结球甘蓝生长智能化监测提供理论参考，对甘蓝产业发展具有重要的应用前景。
关键词： 结球甘蓝；语义分割；叶球识别；注意力机制；特征选择；特征对齐
◀
文章图片
▶
图1 甘蓝图像标注方法示例
Fig. 1 Example of kale image annotation method
图2 原始及数据增强后的结球甘蓝图像
Fig. 2 Original and data enhanced images of kale
图3 UperNet-ESA语义分割框架
Fig. 3 UperNet-ESA semantic segmentation framework
图4 ConvNeXt-B网络架构图
Fig. 4 Network architecture diagram of ConvNeXt-B
图5 ECA模块结构图
Fig. 5 Structure diagram of ECA module
图6 特征金字塔网络的特征选择模块图
Fig. 6 Feature selection module diagram for feature pyramid networks
图7 特征金字塔网络的特征对齐模块图
Fig. 7 Feature alignment module diagram for feature pyramid networks
图8 UperNet-ESA模型损失值变化曲线
Fig. 8 The loss value curve of UperNet-ESA model
图9 UperNet-ESA模型的消融实验
Fig. 9 Ablation experiments with the UperNet-ESA model
图10 UperNet-ESA模型与其他网络模型的分割效果对比图
Fig. 10 Comparison of segmentation effect of UperNet-ESA model with other network models
作者简介
吴华瑞 研究员
吴华瑞，研究员，科技部“十四五”数字乡村技术预测专家组组长、国家“十四五”重点专项“乡村产业共性关键技术研发与集成应用”总体组专家、农业农村部数字乡村技术重点实验室主任，农业农村部特色经济作物全程机械化专家组成员，中国人工智能学会智能农业专委会主任，国家大宗蔬菜产业技术体系智能化管理岗位科学家，入选国家级人才。主要从事农业大数据、人工智能与蔬菜智慧无人农场相关研究工作。近年来获国家科技进步奖1项，省部级奖励5项，发表论文86篇（SCI25篇），授权发明专利37项，编制颁布标准8项，著作2部，软著34项。
来源：《智慧农业（中英文）》2024年第3期
转载请联系编辑部授权
本期支持单位
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
