基于MC-UNet自制番茄葉片病害的圖像分割方法研究

Plant Phenomics | 基于自制番茄葉片病害的圖像分割方法研究

番茄現(xiàn)在已經(jīng)在全世界各地被廣泛種植，但在其生長過程中不可避免地會產(chǎn)生各種病蟲害。除了番茄果實(shí)上的病害，番茄葉片上的病害對番茄而言同樣也是一種威脅。若是防治不及時(shí)，將會導(dǎo)致減產(chǎn)甚至絕收。人們早先通過經(jīng)驗(yàn)主觀地判斷番茄病害所屬類型。但是這樣的方法分辨能力有限，不能準(zhǔn)確地識別且耗時(shí)耗力。圖像處理技術(shù)經(jīng)過長期發(fā)展，已經(jīng)被廣泛的應(yīng)用在各個(gè)方面，并且農(nóng)業(yè)領(lǐng)域也漸漸興起。但是，隨著農(nóng)業(yè)現(xiàn)代化發(fā)展朝著智能化方向不斷推進(jìn)，傳統(tǒng)的圖像識別方法將無法應(yīng)對復(fù)雜的現(xiàn)實(shí)情況。隨著計(jì)算機(jī)硬件設(shè)備性能的提升，將深度學(xué)習(xí)應(yīng)用到農(nóng)業(yè)生產(chǎn)中是未來農(nóng)業(yè)的發(fā)展趨勢。深度學(xué)習(xí)通過引入卷積層、池化層、全連接層等操作，自動提取圖像特征，使得植物葉片病害識別有了突破性進(jìn)展�？焖�、準(zhǔn)確地識別番茄葉片病害并采取相應(yīng)的防治措施，對保障作物生產(chǎn)、提高農(nóng)民收入具有重要意義。
 

圖番茄葉片病害特征展示(在圖A中，由于光照，標(biāo)記點(diǎn)邊緣細(xì)節(jié)模糊；在圖B中，標(biāo)記部分的疾病較小)
 

2023年4月，Plant Phenomics在線發(fā)表了中南林業(yè)科技大學(xué)、國防科學(xué)技術(shù)大學(xué)、愛達(dá)荷州大學(xué)、湖南省植物保護(hù)研究所題為 An effective image-based tomato leaf disease segmentation method using MC-UNet的研究論文。
 

圖MC-UNet結(jié)構(gòu)圖(A表示MC-UNet整體結(jié)構(gòu)，B表示多尺度卷積模塊，C表示跨層注意力融合機(jī)制)
 

本研究基于UNet結(jié)構(gòu)，提出一種采用MC-UNet的番茄葉片病害圖像分割方法。針對葉片邊緣模糊問題，設(shè)計(jì)了一種多尺度卷積結(jié)構(gòu)。首先應(yīng)用了多個(gè)卷積核來捕獲番茄葉片不同尺度的空間信息，后續(xù)的SE Module結(jié)構(gòu)加強(qiáng)了網(wǎng)絡(luò)對病害部分的感知能力以及病害邊緣的表達(dá)能力。針對葉片微小病害的問題，提出了一種跨層注意力融合機(jī)制。在網(wǎng)絡(luò)的各層上引入門控結(jié)構(gòu)，門控結(jié)構(gòu)可以突出不同尺寸的病害區(qū)域。將門控結(jié)果融合輸出，以此綜合各層的病害特征信息。在自制的番茄葉片病害分割數(shù)據(jù)集上，我們將MC-UNet與現(xiàn)有的分割網(wǎng)絡(luò)進(jìn)行對比，模型在參數(shù)量為6.67M的情況下達(dá)到了91.32%的準(zhǔn)確率。
 

該研究由中南林業(yè)科技大學(xué)、國防科學(xué)技術(shù)大學(xué)、愛達(dá)荷州大學(xué)、湖南省植物保護(hù)研究所完成。中南林業(yè)科技大學(xué)鄧榆寶為該文第一作者，周國雄為該文通訊作者。相關(guān)工作得到長沙市自然科學(xué)基金、國家自然科學(xué)基金等資助。
 

周國雄 教授

論文鏈接：

https://doi.org/10.34133/plantphenomics.0049

——推薦閱讀——

SegVeg: Segmenting RGB Images into Green and Senescent Vegetation by Combining Deep and Shallow Methods

https://doi.org/10.34133/2022/9803570

Plant Phenomics | SegVeg通過深度和淺層方法的結(jié)合將RGB圖像分割成綠色和衰老植被

Wheat Ear Segmentation Based on a Multisensor System and Superpixel Classification

https://doi.org/10.34133/2022/9841985

Plant Phenomics | 基于多傳感器系統(tǒng)和超像素分類的麥穗圖像分割

加入作者交流群
 

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)量活動。

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進(jìn)會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2022影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。2020年入選中國科技期刊卓越行動計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：周國雄
排版：張婕（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平