基于改进Swin-Unet的小麦条锈病分割方法
臧贺藏1
任帅2
王从胜1
王盛威3
赵瑞玲4
陈丹丹1
赵晴1
张杰1
郑国清1
李国强1
1.河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室,河南 郑州 4500022.新乡市农业科学院,河南 新乡 4536003.中国农业科学院农业信息研究所,北京 1000814.新乡工程学院,河南 新乡 453706
摘要：条锈病是影响小麦产量及粮食安全的重要因素,条锈病图像的精准分割是实现计算机辅助精准防治的重要基础.针对小麦条锈病图像中病斑形态复杂、病斑与非病斑之间边界模糊、分割精度低的问题,本研究提出了一种基于改进Swin-Unet的小麦条锈病图像分割方法,通过在Swin-Unet中引入SENet(Squeeze-and-Excitation Networks)和残差网络(ResNet)模块来增强模型对条锈病特征的表达能力.实验结果表明,改进Swin-Unet对背景、孢子和叶片的查准率分别为 99.24%、82.32%和 94.36%,可以从复杂环境中有效分割出背景、孢子和叶片图像,具有较好的计算机视觉处理能力和分割评估效果.改进Swin-Unet总体分割准确率、平均交并比和均像素准确率分别为 96.88%、84.91%和 90.50%,较Swin-Unet分别提高了 2.84、4.64 个和5.38个百分点;与其他网络模型(U-Net、PSPNet、DeepLabV3+和Swin-Unet)相比,改进Swin-Unet具有最佳分割效果.表明本研究提出的方法可以精准检测和分割小麦条锈病图像,这可为田间复杂环境下小麦条锈病的自动检测和早期预防提供技术支持.
关键词：小麦条锈病语义分割Swin-Unet注意力机制
分类号：S126(农业物理学)
资助基金：国家重点研发计划(2022YFD2001005)河南省重大科技专项(221100110800)河南省农业科学院自主创新项目(2024ZC069)
论文发表日期：2024-12-28
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：7( 147-153 )
英文信息