基于改进SAM算法的葡萄病害识别系统研究.pdfVIP

摘要

随着全球葡萄产业的快速发展，葡萄病害的早期识别与防控成为提升产量和质

量的关键。然而，传统的基于图像分类算法的病害识别系统在面对复杂背景、多病害

种类共存和细小病斑时存在显著的局限性。此类方法通常仅能为图像分配单一标签，

无法提供病斑的具体信息，限制了病害识别的精度与效果。针对这一问题，本文首先

提出一种改进的SegmentAnythingModel（SAM）图像分割算法，随后基于该算法设

计并实现一种高效的葡萄病害识别系统。该系统通过图像分割算法精确提取葡萄病害

信息，从而实现更高效、更精准的葡萄病害防控。主要工作有以下几点：

（1）为确保葡萄病害的精准识别，构建一个葡萄病害分割数据集。该数据集包

含921张高分辨率的葡萄叶片和果实区域图像，涵盖花叶病毒病、溃疡病和霜霉病等

常见病害类别。每幅图像均经过精确标注，为后续图像分割与特征提取提供高质量且

可靠的数据支持。

（2）提出一种基于轻量级自动化提示SAM的图像分割算法（Lightweight

AutomatedPromptSegmentAnythingModel，LAPSAM）。针对SAM在实际部署中面

临的计算资源开销大和依赖人工提示等问题，LAPSAM算法首先设计一种自适应量

化低秩适应（AdaptiveQuantizedLow-RankAdaptation，AdaQLoRA）策略，该策略通

过高效的参数微调实现模型轻量化，在保持甚至提升性能的同时，显著减少计算资源

的消耗。此外，结合Canny边缘检测算法的输出，自动化生成提示信息，进一步提升

LAPSAM算法的自动化水平和分割精度，减少人工干预的需求。在葡萄病害分割数

据集以及PlantVillage和PlantDoc两个公共基准数据集上的实验结果表明，LAPSAM

算法在识别精度、计算效率和复杂背景下的鲁棒性方面均表现出显著的优势。

（3）基于LAPSAM算法，设计并实现一个葡萄病害识别系统。该系统通过图像

分割算法，自动识别并精准提取葡萄病害的特征信息，包括病害类别、病斑分布等关

键病理特征。同时，根据识别结果生成相应的防治措施，为葡萄病害的精准防控提供

科学依据。

本文的工作旨在提升葡萄病害防控的自动化和精确化水平，为精准农业管理提供

有效的技术支持，并推动基于图像分割的病害识别方法在农业领域的应用和发展。

关键字：SAM算法；图像分割；LAPSAM；AdaQLoRA；Canny；葡萄病害识别

Abstract

Withtherapiddevelopmentoftheglobalgrapeindustry,earlydetectionandcontrolof

grapediseaseshavebecomekeytoimprovingyieldandquality.However,traditionaldisease

detectionsystemsbasedonimageclassificationalgorithmshavesignificantlimitationswhen

dealingwithcomplexbackgrounds,multiplediseasetypescoexisting,andsmalllesions.

Suchmethodstypicallyonlyassignasinglelabeltoanimage,unabletoprovidespecific

informationaboutlesions,whichlimitstheaccuracyandeffectivenessofdiseasedetection.

Toaddressthisissue,thispaperfirstproposesanimprovedSegmentAnythingModel(SAM)

imagesegmentationalgorithm,andthendesignsandimplementsanefficientgra