基于全卷积神经网络的植物叶片分割算法

编号 zgly0001648965

文献类型 期刊论文

文献题名 基于全卷积神经网络的植物叶片分割算法

作者 胡静  陈志泊  杨猛  张荣国  崔亚稷 

作者单位 北京林业大学信息学院  太原科技大学计算机科学与技术学院  北京邮电大学国际学院 

母体文献 北京林业大学学报 

年卷期 2018年11期

年份 2018 

分类号 TP391.41  TP183 

关键词 深度学习  全卷积神经网络  植物叶片分割 

文摘内容 【目的】植物叶片分割旨在从背景中分割出叶片区域,去除背景对象干扰。这对植物病害识别和物种鉴定具有重大意义。【方法】本文设计了基于全卷积神经网络的植物叶片分割算法。首先,目标函数用对数逻辑函数代替复杂的Softmax多类预测函数,从而将分割任务转化为适合于植物叶片分割的二分类问题;其次,把批归一化技术引入全卷积神经网络,从而改善网络整体的收敛性。最后,针对当前植物叶片分割研究中缺乏评估指标的状况,设计了新的评估协议——受试者工作特征曲线,该曲线反映了不同阈值情况下植物叶片图像分割的召回率与误报率之间的变化情况。【结果】本文提出的算法降低了全卷积神经网络的参数复杂度,改善了网络的收敛性。实验结果表明,该方法比Leafsnap提到的基于颜色的分割方法更完整地分割了植物叶片区域;提出的ROC曲线能够充分评估植物叶片的分割性能。【结论】与传统方法相比,基于深度学习的植物叶片分割方法实现了输入图像的端对端处理,无需图像转换、噪声滤波和形态运算等预处理技术,因此在植物叶片分割上具有可行性。