为提高植物病害叶片分割模型的分割准确率和效率，本文提出了一种基于深度过参数化卷积来替代传统卷积的植物叶片病害图像分割模型.为了更好地提取图像高层和底层语义特征，在传统卷积上添加深度卷积，用深度过参数卷积层替换传统卷积层，增加模型可学习的参数数量，并添加注意力机制.实验结果表明，该模型对各类病害的平均识别准确率达到92.16%，分割均交并比达到70.4%，模型性能优于以传统卷积为基础的分割模型，参数量更少，运行时间更短，效率更高.
科研之友
微信
新浪微博
Facebook
分享链接
