基于改进Unet的小麦茎秆截面参数检测

作     者：陈燕 朱成宇 胡小春 王令强 CHEN Yan;ZHU Chengyu;HU Xiaochun;WANG Lingqiang

作者机构：广西大学计算机与电子信息学院南宁530004 广西多媒体通信与网络技术重点实验室南宁530004 广西财经学院信息与统计学院南宁530007 广西大学农学院南宁530004 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2021年第52卷第7期

页      面：169-176页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(31771775) 广西自然科学基金项目(2020GXNSFAA159090) 

主　　题：小麦茎秆 截面参数 显微结构 深度学习 图像处理 语义分割 

摘      要：针对小麦茎秆截面显微图像分割过程的复杂性,融合ResNet50和Unet网络构建维管束和背景区域的语义分割模型ResUnet,搭建对小麦茎秆截面、髓腔、厚壁和背景的语义分割模型Mobile-Unet,可实现对小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数的检测。针对小麦样本数据集,通过深度学习中迁移学习的共享参数方式,将训练好的ResNet50网络权重应用到茎秆截面切片图像的网络模型上。结果表明,与同类方法相比,相关参数在精度上均有较大提升,全部参数的识别率超过97%,最高可达99.91%,平均每幅图像检测只需21.6 s,与已有图像处理方法(110 s)相比,处理速度提升了80.36%。模型评估的准确率、召回率、F1值和平均交并比均达到90%。本文方法可用于小麦茎秆微观结构的高通量观察和参数测定,为作物抗倒伏研究奠定了技术基础。