基于渐进式分割的蔬菜病虫害识别仿真研究

针对当前蔬菜病虫害相关成果存在的识别准确率较低等问题,提出基于渐进式分割的蔬菜病虫害识别方法。首先采集蔬菜图像,利用灰度直方图均衡化法增强图像细节,提高图像清晰度。对增强后图像进行二值化处理,实现病斑部位的分离,同时进行边缘检测与细线化操作,提取病斑轮廓。引入渐进式分割法,利用渐近分割方法选择图像区域,通过局部优化完成匹配,直至获取最终的分割结果,实现蔬菜病虫害识别。通过实验证明,所提方法图像处理效果良好,且具有较高的识别准确率。

基于目标轮廓的实例分割方法

实例分割的目的是使用像素级实例掩码对单个对象进行分类和定位,是计算机视觉中一项具有挑战性的任务,目前存在分割速度慢、小物体分割精度低、分割边缘不平滑等问题。针对以上问题,提出了基于目标轮廓的实例分割方法,一方面,对物体轮廓上的结点进行特征提取,在不受检测框影响的同时避免了对目标物体内部像素点进行处理,以达到加快分割速度的效果;另一方面,对图像采取渐进式分割处理,多层次地提取物体轮廓上的特征,并配以多尺度融合的特征处理方法,更好地提取上下文语义信息,减少特征丢失。实验结果表明,本文算法在Cityscapes和KINS数据集中平均分割精度分别达到了32.4%AP和32.0%AP,较目前许多优秀工作的分割精度都有所提升,在物体分割边缘的平滑程度以及贴合程度上均有更佳的处理效果。实验证明,基于目标轮廓的实例分割网络在实例分割任务中有较好的分割能力。