基于深度学习的小麦茎秆截面参数检测

作者：陈燕; 朱成宇; 胡小春; 王令强

来源：农业机械学报, 2021, 1-10.

• 小麦茎秆
• 截面参数
• 显微结构
• 深度学习
• 图像处理
• 语义分割

茎秆微观结构与力学性能密切相关，在作物抗倒伏研究中具有重要意义。针对小麦茎秆截面显微图像分割过程的复杂性，融合ResNet50和Unet网络构建维管束和背景区域的语义分割模型Res-Unet；融合MobileNet和Unet网络搭建对小麦茎秆截面、髓腔、厚壁和背景的语义分割模型Mobile-Unet，可测量小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数。针对小麦样本数据集，通过深度学习中迁移学习的共享参数方式，将训练好的ResNet50网络权重应用到茎秆截面切片图像的网络模型上。结果表明，与同类文献相比，相关参数在精度上均有较大提升，全部参数的识别率超过97%，最高可达99.91%；单幅图像检测只需21.6s，比已有图像处理方法的110s处理速度提升了80.36%。此外，模型评估的准确率、召回率、F1值和平均交并比（mIoU）的指标值均达到约90%。因此，本文方法具有精确性、实时性和可用性，可用于小麦茎秆微观结构的高通量观察和参数测定，为作物抗倒伏研究建立技术基础。

• 单位
  广西大学; 广西财经学院