基于深度学习的叶片图像分割算法

编号 zgly0001658142

文献类型 期刊论文

文献题名 基于深度学习的叶片图像分割算法

作者 王琢  汪雅婷  宋文龙  莫冲 

作者单位 东北林业大学机电工程学院 

母体文献 森林工程 

年卷期 2019年01期

年份 2019 

分类号 TP391.41  TP181 

关键词 全卷积神经网络  图像分割  数据增强  植物叶片 

文摘内容       为了保证植物叶片图像采集质量,提高植物表型叶片图像分割精度,建立一种基于深度学习的叶片图像分割方法。以Caffe深度学习框架为基础,构建全卷积神经网络(FCN),采用有监督的学习方法,通过对数据集标注、数据集标签制作,实现叶片图像的分割。该方法充分发挥了FCN不限制输入图像的大小,实现端到端的图像分割的特点。同时采用数据增强方法,解决了在叶片数据集稀缺条件下,训练时间长,不容易收敛的问题。实验结果表明,深度学习在植物叶片分割中效果显著,像素准确率达到了91%,Mean IU达到了78.52%,技术指标优于大部分传统图像分割算法。