基于级联卷积神经网络的作物病害叶片分割

摘要

针对传统卷积神经网络在作物病害叶片图像中分割精度低的问题,提出一种基于级联卷积神经网络(Cascade Convolutional Neural Network,CCNN)的作物病害叶片图像分割方法.该网络由区域病斑检测网络和区域病斑分割网络组成.基于传统VGG16模型构建区域病斑检测网络(Regional Detection Network,RD-net),利用全局池化层代替全连接层,由此减少模型参数,实现叶片病斑区域精确定位.基于Encoder-Decoder模型结构建立区域分割网络(Regional Segmentation Network,RS-net),并利用多尺度卷积核提高原始卷积核的局部感受野,对病斑区域精确分割.在不同环境下的病害叶片图像上进行分割实验,分割精度为87.04％、召回率为78.31％、综合评价指标值为88.22％、单幅图像分割速度为0.23 s.实验结果表明该方法能够满足不同环境下的作物病害叶片图像分割需求,可为进一步的作物病害识别方法研究提供参考.