基于改进DeepLab V3+的果园场景多类别分割方法

作者：刘慧; 姜建滨; 沈跃; 贾卫东; 曾潇; 庄珍珍

来源：农业机械学报, 2022, 53(11): 255-261.

• 果园
• 喷雾机器人
• 语义分割
• DeepLab V3+
• 混合扩张卷积
• 感受野

果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署，使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数，并在空洞空间金字塔池化(Atrous spatial pyramid pooling, ASPP)模块中运用ReLU6激活函数减少部署在移动设备的精度损失，此外结合混合扩张卷积(Hybrid dilated convolution, HDC),以混合扩张卷积替代原有网络中的空洞卷积，将ASPP中的扩张率设为互质以减少空洞卷积的网格效应。使用视觉传感器采集果园场景RGB图像，选取果树、人、天空等8类常见的目标制作了数据集，并在该数据集上基于Pytorch对改进前后的DeepLab V3+进行训练、验证和测试。结果表明，改进后DeepLab V3+模型的平均像素精度、平均交并比分别达到62.81%和56.64%,比改进前分别提升5.52、8.75个百分点。模型参数量较改进前压缩88.67%,单幅图像分割时间为0.08 s,与原模型相比减少0.09 s。尤其是对树的分割精度达到95.61%,比改进前提高1.31个百分点。该方法可为喷雾机器人精准施药和安全作业提供有效决策，具有实用性。

• 单位
  江苏大学