摘要：在大田环境下对葡萄生长状态和病虫害进行长期动态自动监测,需要对监控摄像头拍摄的每张单个叶片进行实例分割,工作量大,为解决这一问题采用了基于MaskR-CNN的实例分割算法。该算法是在Faster R-CNN的基础上增加一个能在候选区域上进行分割任务的分支,葡萄叶片图像首先通过区域卷积神经网络生成候选区域,利用FastR-CNN的卷积层提取葡萄叶片的整体特征,得到特征图;再由ROIAlign对特征图进行像素校正,并对每一个ROI预测,得到其类别及预测框,每一个ROI再通过一个全卷积网络对每个像素进行分类和分割。对不同天气下正常的葡萄叶片、病害叶片以及不同品种的葡萄叶片图像进行分割试验,结果表明,本算法对正常叶片、病害叶片及不同品种叶片分割的平均精度(average precision,AP)分别是0.9108、0.9068、0.9044、0.8845、0.9028。该方法对不同天气及复杂背景下的叶片实例分割都具有较好的鲁棒性和较高的精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社