基于语义分割的复杂背景下黄瓜叶部病害严重程度分级研究

为满足实际种植环境下对病害叶片精准用药的需求,以设施环境复杂背景图像为研究对象,提出基于语义分割的复杂背景下黄瓜叶部病害分级方法。首先,使用Labelme标注软件对图像叶片和病斑进行标注,并对部分病害叶片进行图像增强以丰富数据集;然后,改进U-Net网络结构并构建基于深度学习的复杂背景下黄瓜叶片病害分割两阶段架构,对复杂背景下的黄瓜叶片、病斑进行分割;最后,提出黄瓜霜霉病、炭疽病病害严重程度分级模型D-MUNet,对病害等级进行划分。改进后的U-Net模型像素精度、平均交并比和Dice系数分别为90.48%、92.46%、0.645 7,较原始模型提升2.36%、2.34%和0.023 8。黄瓜霜霉病、炭疽病病害分级准确率分别达到92.11%和89.17%。基于语义分割的复杂背景下黄瓜叶部病害严重程度分级方法,能够对黄瓜病害实现有效地分割、分级,为病害的精准防治提供技术支撑。