基于U-net和胶囊网络的图像语义分割结构研究

作者：刘向举; 赵慧勐^*; 方贤进

来源：重庆工商大学学报(自然科学版), 2023, 1-9.

• 病害识别
• 花叶病
• 病斑
• VGG16
• U-net
• 胶囊网络

【目的】针对苹果病害中比较常见的症状——花叶病，尤其在昼夜温差大的条件下发病迅速，落叶率提高，造成苹果大面积减产，造成巨大的经济损失。对于花叶病病斑数量太多，尺度不一的影响，从而造成病害识别准确率较低等问题，提出了一种引入迁移学习和胶囊网络的方法，以提高病害识别率。【方法】该方法首先对获得的花叶病数据集进行扩充、数据增强等处理，并利用Labelme工具对图像进行标注，分别标记出病斑区域和叶片区域。其次将训练好的VGG16模型权重通过迁移学习技术移至U-net中编码部分，并引入胶囊网络，使得整个网络具有更强的特征提取能力；然后对VGG16模型、胶囊网络部分进行训练，最后将训练好的网络模型进行语义分割并输出测试的结果。【结果】实验结果表明，原始数据集的准确率为87.51%，引入迁移学习后的准确率提升至91.78%，提升了4.88%；引入胶囊网络的准确率提升至90.04%，提升了2.89%；而引入迁移学习和胶囊网络之后，准确率提升至93.42%，提升了6.75%。并且模型每一轮的训练时间也在引入了迁移学习后提升了2s。【结论】据实验结果可以证明该模型方法引入迁移学习和胶囊网络后，相较于传统模型在识别准确率方面有了一定的提升，其次也减少了每一轮的模型训练时间，总体分割性能较好。

• 单位
  安徽理工大学