基于深度学习的烟叶正反面图像分割研究

【目的】对烟叶图像进行正反面分割可以剔除掉烟叶背面信息,更好地利用正面图像的特征信息,这对实现烟叶等级划分准确率的提升有重要意义。【方法】提出一种基于深度学习的烟叶正反面图像分割方法,该方法采用DeepLab v3plus作为图像分割的网络模型框架,使用MobileNet v2作为主干特征提取网络,利用ASPP模块实现浅层特征图和深层特征图融合,兼顾深层的语义特征以及浅层的轮廓特征。【结果】该烟叶正反面图像分割方法分割精度达到82.8%,比传统图像分割算法高出15.5%,具有较好的精度。【结论】该方法对烟叶图像中的正反面部分具备良好的分割能力,能有效提高烟叶分级准确率,可用于实际生产。