基于DBSE-Net的大田稻穗图像分割.pdfVIP

第 38 卷 第 13 期 农 业 工 程 学 报 Vol.38 No.13 202 2022 年 7 月 Transactions of the Chinese Society of Agricultural Engineering July 2022 基于 DBSE-Net 的大田稻穗图像分割 1 1 2 1※ 宋余庆 ，杨东川 ，徐立章 ，刘 哲 （1. 江苏大学计算机科学与通信工程学院，镇江 212013 ；2. 江苏大学农业工程学院，镇江 212013 ） 摘 要：稻穗精准分割是准确估测水稻产量的关键。为实现大田环境下不同品种与生育期稻穗的准确分割，该研究提出 了基于注意力机制的稻穗分割网络（Double Branch Squeeze-and-Excitation Network ，DBSE-Net ）。首先，提出一个双分支 压缩与激励（Double Branch Squeeze-and-Excitation ，DBSE ）注意力模块，通过同时使用全局平均池化（Global Average Pooling ，GAP ）和全局最大池化（Global Max Pooling，GMP ）编码输入特征的通道信息，以实现更精准的通道注意力推 断。然后，为了强化稻穗特征并抑制背景区域特征，将 DBSE 模块添加到编码-解码分割框架中构建 DBSE-Net 分割网络。 最后，在自采集的稻穗图像数据集上进行分割性能测试，DBSE-Net 对稻穗分割的像素准确率、平均交并比和 F 1 分数分 别达到了 94.32%、87.59%和 91.86%，比次优模型DeepLabv3+ 的结果分别高出 1.61、2.56 和 1.20 个百分点，在单张 256 ×256 （像素）图像上耗时0.03 s ，是 DeepLabv3+分割速度的 5.3 倍。在公开的稻穗图像数据集上进行泛化性能测试， DBSE-Net 能够有效分割出稻穗区域。该研究结果表明，DBSE-Net 能够对不同品种与生育期稻穗实现高效精准分割，具 有良好的泛化性，可以为水稻产量评估提供参考。 关键词：模型；图像分割；卷积神经网络；稻穗；编码-解码结构；注意力机制 doi ：10.11975/j.issn.1002-6819.2022.13.023 中图分类号：S126 文献标志码：A 文章编号：1002-6819(2022)-13-0202-08 宋余庆，杨东川，徐立章，等. 基于 DBSE-Net的大田稻穗图像分割[J]. 农业工程学报，2022，38(13)：202-209. doi ：10.11975/j.issn.1002-6819.2022.13.023 Song Yuqing, Yang Dongchuan, Xu Lizhang, et al. Segmenting field rice panicle images using DBSE-Net[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(13): 202-