点击蓝字，等你关注
01 论文基本信息
点击封面图阅读第4期
点击首页图阅读本文
题目： 基于多感受野与多尺度融合的草莓病害分割算法
作者：亢洁，刘佳，刘文波，夏宇，李亦轩，王佳乐
第一单位：陕西科技大学电气与控制工程学院
文章出处：亢洁,刘佳,刘文波,等.基于多感受野与多尺度融合的草莓病害分割算法[J].江苏农业科学,2024,52(4):206-215.
02 文章介绍
研究背景
草莓病害图像分割是病害检测和病害类型识别方法中的一个重要步骤，其分割效果直接影响到后续的检测和识别结果。由于草莓病害图像的形状和颜色复杂、多样、无规律且多变，图像分割技术能还原病害不规则分布区域，为后续病害类型识别与病害诊断提供有效依据，具有重要意义。近年来，由于深度学习具有更好的泛化性能，并且具备良好的抗噪声能力，逐渐被应用在病害的分割中。
研究内容
针对草莓病害区域存在背景复杂且目标小而导致目标难以被有效分割的问题，提出一种基于多感受野与多尺度融合的草莓病害分割算法，整体网络见图１。
搭建了U-Net基础模型，如图１左侧虚线框所示，在主干特征提取网络层融合CBAM (convolutional block attention module)注意力机制与残差网络，构成CBAM-ResNet50主干特征提取网络，来加强目标区域的表征能力，抑制背景区域，以此实现复杂背景下的病害区域分割问题，并通过残差减少梯度消失，提升模型的收敛速度。
在特征融合处，设计基于3D无参注意力机制（SimAM）的多尺度自适应特征融合模块（SimAM multiscale adaptive feature fusion module），如图4所示，实现过程是将左侧编码器的４个输出层进行基于输出尺度下的融合，即解码器的每一层输入均来自编码器各层输出的融合表达，防止其因为特征尺度的降低而出现目标丢失的问题，同时将融合后的结果使用SimAM注意力机制优化，从能量分布角度来有效增强目标区域的显现。模块共计４层，模块第１层如图１中黄色虚线框所示，模块的第１～４层的输出分别由 SM0～SM3表征；最后在网络底层设计基于膨胀卷积的多感受野模块（multi receptive field module），如图１底层蓝色模块所示，通过不同膨胀率的膨胀卷积来扩大特征的全局感受野以实现小目标分割区域的感知。
创新点
提出一种基于多感受野与多尺度融合的草莓病害分割算法，以加强目标区域的表征能力，抑制背景区域，以此实现复杂背景下的病害区域分割问题；通过残差减少梯度消失，提升模型的收敛速度；接着在特征融合层，设计基于３Ｄ无参注意力机制（SimAM）的多尺度自适应特征融合模块，通过邻近特征信息弥补当前层特征的信息丢失，以此提升小目标的检测能力；最后在网络底层设计基于膨胀卷积的多感受野模块，通过不同膨胀率的膨胀卷积来增加特征的全局感受野以实现整体分割区域的感知。
结论
不同分割模型性能对比分析
为了验证提出网络对草莓病害图像分割的有效性，将研究网络与 FCN、 SegNet、VGG-U-Net及Res-U-Net分割网络对比。由表3可知，改进后的网络综合表现最好，在测试集上的平均召回率、平均精确率、mPA、mIoU分别为 90.30%, 93.15%, 90.30%, 82.67%。FCN网络模型最大，计算量过大使其需要大量计算资源，不适合配置较低的设备使用。SegNet的表现最差，mIoU仅为 60.21%，但其模型尺寸相比FCN与 VGG-U-Net均有减少。Res-U-Net模型大小约为VGG-U-Net的23.7%。综合各组数据比对，证明研究设计的网络结构可以精准分割出草莓病害区域。
可视化结果
为直观地展示研究所提网络对草莓病害图像的检测效果，将研究网络与标准U-Net网络在测试集中的分割效果进行对比分析。图9为草莓角斑病原图、标签图、研究算法与原始U-Net的分割示意图，其中黑色为背景，红色为角斑病病害。
当图像中病害面积较小且背景有较大干扰时，如图9第１列所示，研究网络能较好地分割出边缘信息与病害区域面积；当图像边缘信息较复杂时，如图9第２列所示，原始U-Net网络分割的草莓病害图像缺失明显，而研究提出的网络虽然也存在漏检现象，但病害结构比较完整；当图像中病害多区域分布时，如图9第３、第４列所示，原始U-Net网络分割将多病害区域整合为一个病害区域，而研究提出的网络能非常清晰地区别病害区域。因此，选用研究提出的网络能有效抑制各种干扰，提高检测性能。
提出的网络模型对小目标病害和复杂背景情况具有较好的分割效果，模型可实现草莓病害的准确分割，能够为精准农业的发展提供支持。
对农业生产的作用
03 作者简介
第一作者
亢 洁
1973年生，陕西渭南人，博士，副教授，硕士生导师，中国自动化学会建筑机器人专业委员会委员，中国通信学会物联网委员会委员
研究领域：从事机器视觉、人工智能和智慧农业等相关工作，研究方向主要包括农作物信息采集与病害检测、缺陷检测、医学图像分割等。
论文专利：以第一作者在Journal of Shanghai Jiao Tong University (Science)、Biomedical Signal Processing and Control、农业机械学报、高电压技术、智能系统学报等期刊发表论文40余篇，引用340余次。已授权发明专利4件。
基金项目：主持参与省级教学及科研项目6项。
获奖荣誉：获得省级教学奖励2项，指导学生参加睿抗机器人开发者大赛（RAICOM）、中国研究生电子设计竞赛等获国家团体三等奖3项、省级（西北赛区）团体二等奖9项。
//
04 延伸阅读
本刊相关论文推荐
基于多尺度卷积与通道域增强的草莓病害识别方法
黄铝文，郑梁，黄煜，谦博，关非凡
2023，51（10）:202-210
点击右侧箭头免费下载 >>>>>
《江苏农业科学》（半月刊）1973年创刊，是江苏省农业科学院主管并主办的综合性农业科技期刊。
收录情况：入选中国精品科技期刊、北大中文核心期刊、中国科技核心期刊、RCCSE中国核心期刊、中国农林核心期刊。
学科排名：位列《科技期刊世界影响力指数（WJCI）报告》2023版中国农业科学第十一，知网年报农业科学综合第四，均入Q1区。
影响因子：2023年万方影响因子为1.361，2023年知网影响因子为1.431。
更多 · 交流
为了更好地服务作者，《江苏农业科学》编辑部成立了作者交流微信群，目前主要发布最新编辑部资讯、征稿启事、论文推荐及行业动态等信息，也可解答部分作者咨询。欢迎您扫下方二维码加小编微信（微信号vcknight），拉您进入作者交流群。
请备注“姓名+单位+入群理由”
往期精选
江苏农业科学
微信号 : jsnykxwx
长按识别二维码关注我们
编辑丨曹亚非
制作 | 曹亚非
审核丨吴桂亮
分享、在看与点赞，至少我要拥有一个吧
