基于改进Mask-RCNN的桃树穿孔病检测研究

作者：胡彦军; 张平川^*; 张彩虹; 陈旭; 李珊; 杨莹; 马泽泽

来源：沈阳农业大学学报, 2023, 54(06): 702-711.

• 桃树穿孔病
• Msak RCNN
• Sim-AM
• 迁移学习

穿孔病是桃树常见的病害，分为细菌性穿孔病（bacterial＿shot-hole＿disease,BSD）和真菌性穿孔病（fungal＿shot-hole＿disease,FSD）。大多数果农凭借经验难以准确识别两种病害，因而贻误防治，造成减产。为解决这一难题，提出了基于Mask RCNN(mask region based convolutional neural network)的桃树穿孔病检测方法。该方法对Mask RCNN模型进行了三方面的改进：首先，将Sim-AM(simple,parameter-free attention module)机制融入到残差网络的每一层，使用能量函数对神经元分配三维权重，增强对穿孔病关键特征的提取能力；其次，对RPN网络重复计算识别框进行简化处理，从9种Anchor Box降为3种，提升计算效率；再次，用软性非极大值抑制算法（Soft-NMS,soft non-maximum suppression）替换NMS算法进行Anchor Box选取，提高对遮挡病斑的检测效果。该研究使用二次迁移学习法对模型进行训练，首先利用Kaggle平台上公开苹果叶穿孔病数据集进行训练学习，然后利用两个数据集具有相似特征空间这一特点，在自建桃树穿孔病数据集上进行二次迁移学习，提高了检测准确率。实验结果显示，改进后的Mask-RCNN模型对桃树穿孔病全部类别平均检测精度mAP达到94.1%，召回率达到93.5%。

• 单位
  河南科技学院; 郑州电力职业技术学院