基于MECB-DeepLabV3+的梨树叶片病害分级研究
陈祥渠
李爱凤
梁冬悦
吕兆东
张方恒
山东农业大学信息科学与工程学院,山东泰安 271018
摘要：梨树叶片病害的准确分级对有效防治病害、提高梨果实的产量和质量具有重要意义.本研究以梨树黑斑病、褐斑病、灰斑病叶片和健康叶片为对象,提出轻量级梨树叶片病害图像分割模型MECB-DeepLabV3+.首先,采用迁移学习方法,对比分析了 U-Net、PSPNet和DeepLabV3+网络,选出综合表现最优的DeepLabV3+作为基础网络模型;其次,针对DeepLabV3+参数量较大、计算复杂度较高的问题,选用MobileNetV3作为骨干网络,实现了模型的轻量化;最后,针对DeepLabV3+在细小病斑识别及边界分割上的不足,引入高效通道注意力(ECA)、坐标注意力(CA)和瓶颈注意力(BAM)模块,并使用Ranger21优化器和复合损失函数优化模型训练.实验结果表明,MECB-DeepLabV3+模型的平均交并比和平均像素精度分别达到91.22％和95.01％,比基础网络模型DeepLabV3+分别提升2.91、2.14个百分点,参数量仅为4.221 M;采用病斑面积占比进行病害分级,整体平均准确率达到95.02％,可以实现有效的病害分级,可为及时防治梨树叶片病害提供科学依据.
关键词：梨树叶片病害病害分级深度学习语义分割迁移学习
分类号：S436.612:S126(病虫害及其防治)
资助基金：国家自然科学基金(LHAASO-WCDA;U203110073)山东省自然科学基金(ZR2020MA095)
论文发表日期：2025-06-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：11( 138-148 )
英文信息