基于级联卷积神经网络的作物病害叶片分割

王 振，张善文，赵保平

1.西京学院 信息工程学院，西安 710123

2.宝鸡市农业科学研究院，陕西 宝鸡 721000

1 引言

作物病害是影响作物产量与质量的重要因素之一。由于大部分病害的症状主要表现在作物叶片上，所以通过观察作物叶片特征可判断病害发生和病害类型[1]。传统的通过人工观察方式判断病害类型，存在主观性、盲目性和效率低等问题[2]。近年来，随着计算机视觉技术的不断发展，使用自动化方式判断作物病害成为一种趋势，能够有效解决人工判断病害的缺点[3]。在基于病害叶片图像的病害识别过程中，病斑区域的精准分割直接影响病害识别的准确率。

作物病害叶片图像分割方法很多，病害叶片图像可以分为基于传统图像分割的方法和基于深度学习的分割方法。传统的作物病害图像分割方法可分为4类：基于阈值的分割方法[4-5]、基于聚类的分割方法[6-8]、基于分类的分割方法[9-10]和基于图论的分割方法[11-12]。第一类方法通过寻找关键阈值点进行作物病害叶片图像分割，该方法适用于简单背景下的病害叶片图像分割。第二类方法根据图像像素点的不同进行分类来完成病斑区域分割，但该方法在分割过程中需要进行多次迭代才能确定最优聚类点，降低了分割方法的时效性。第三类方法利用多种图像特征对分类器进行训练，使用训练后的分类器对像素点进行分类从而实现分割，由于在特征提取阶段需要设定较为复杂的特征提取算法，所以这种方法的实用性较差。……