农业机械学报

作者：赵世达，王树才，白宇，郝广钊，涂本帅

单位：华中农业大学,华中农业大学；农业农村部长江中下游农业装备重点实验室,华中农业大学,华中农业大学,华中农业大学,

关键词：羊骨架; 图像语义分割; 生成对抗网络; ICNet

基金：国家重点研发计划项目（2018YFD0700804）

研究了羊骨架图像生成技术与基于ICNet的羊骨架图像实时语义分割方法。通过DCGAN、SinGAN、BigGAN 3种生成对抗网络生成图像效果对比，优选BigGAN作为羊骨架图像生成网络，扩充了羊骨架图像数据量。在此基础上，将生成图像与原始图像建立组合数据集，引入迁移学习训练ICNet，并保存最优模型，获取该模型对羊骨架脊椎、肋部、颈部的分割精度、MIoU以及单幅图像平均处理时间，并以此作为羊骨架图像语义分割效果的评判标准。结果表明，最优模型对羊骨架3部位分割精度和MIoU分别为93.68%、96.37%、89.77%和85.85%、90.64%、75.77%，单幅图像平均处理时间为87?ms。通过模拟不同光照条件下羊骨架图像来判断ICNet的泛化能力，通过与常用的U-Net、DeepLabV3、PSPNet、Fast-SCNN 4种图像语义分割模型进行对比来验证ICNet综合分割能力，通过对比中分辨率下不同分支权重的网络分割精度来寻求最优权值。结果表明，ICNet与前3种模型的分割精度、MIoU相差不大，但处理时间分别缩短了72.98%、40.82%、88.86%；虽然Fast-SCNN单幅图像处理时间较ICNet缩短了43.68%，但MIoU降低了4.5个百分点，且当中分辨率分支权重为0.42时，ICNet分割精度达到最高。研究表明本文方法具有较高的分割精度、良好的实时性和一定的泛化能力，综合分割能力较优。

来源：2021年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第2期