农业机械学报

作者：陈燕，朱成宇，胡小春，王令强

单位：广西大学,广西大学,广西财经学院,广西大学,

关键词：小麦茎秆;截面参数;显微结构;深度学习;图像处理;语义分割

基金：国家自然科学基金项目（31771775）和广西自然科学基金项目(2020GXNSFAA159090)

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，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，可实现对小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数的检测。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，与同类方法相比，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%，平均每幅图像检测只需21.6s，与已有图像处理方法（110s）相比，处理速度提升了80.36%。模型评估的准确率、召回率、F1值和平均交并比均达到90%。本文方法可用于小麦茎秆微观结构的高通量观察和参数测定，为作物抗倒伏研究奠定了技术基础。

来源：2021年第7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7期