基于U-net和可见光谱图像的黄瓜褐斑病分割

2021-05-11 07:22:48王翔宇李海生吕丽君韩丹枫王梓强
光谱学与光谱分析 2021年5期
关键词:特征模型

王翔宇,李海生,吕丽君,韩丹枫,王梓强

1.长治学院电子信息与物理系,山西 长治 046011 2.承德石油高等专科学校工业技术中心,河北 承德 067000

引 言

黄瓜褐斑病,又称靶斑病(Target leaf spot),是黄瓜主要的真菌性叶斑病之一[1]。该病由多主棒孢霉(Corynesporacassiicola)侵染引起,发病初期在叶面出现黄色小斑点,中期扩大为圆形或不规则形状的褐色病斑,后期病斑面积扩大且颜色呈灰褐色,发病率一般为20%~40%,严重时达60%~70%,导致落叶率提高,造成黄瓜大面积减产,给农户带来巨大的经济损失[2-4]。植物病斑的准确分割为后续的病害识别与诊断提供了有效依据,具有重要意义。

目前的病斑分割方法主要包括数字图像处理和深度学习两种方法[5]。数字图像处理方法众多,已经发展成熟。白雪冰等[6]利用小波降噪和分水岭算法提取目标叶片,然后利用Otsu算法完成了黄瓜白粉病病斑分割。有研究结合可见光谱图像的ExR,H和b*三种颜色特征,利用CVCF方法和形态学操作,获得了黄瓜霜霉病斑的分割结果。有报道结合黄瓜叶片FTIR光谱和聚类分析,完成了褐斑病的检测。深度学习方法是一种新兴的机器学习算法,近几年才逐步应用于实践中[7-9]。深度学习能够自动提取图像特征,已经在图像识别[10-11]、故障诊断[12-13]、遥感[14]、医学[15]等领域得到应用。任守纲等[5]利用反卷积引导的VGG网络完成了番茄叶部病斑分割,模型分割准确率达94.66%。杨森等[16]利用Faster R卷积神经网络完成了马铃薯早疫病、晚疫病、炭疽病的识别,在特定光照条件下的平均识别准确率达90.83%。……

登录APP查看全文

猜你喜欢
特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
一个相似模型的应用