农业机械学报

作者：张高亮，刘兆朋，刘木华，方鹏，陈雄飞，梁学海

单位：江西农业大学,江西农业大学,江西农业大学,江西农业大学,江西农业大学,江西农业大学,

关键词：水稻茎秆;维管束;实例分割;深度学习;Mask R-CNN

基金：国家自然科学基金项目（31971799）

针对人工测量、统计作物茎秆显微切片图像中维管束数目、面积等关键参数主观性强、费时费力、效率低的问题，提出一种基于图像处理的水稻茎秆截面参数自动检测方法。首先构建了一个基于改进Mask R-CNN网络的水稻茎秆切片图像分割模型。网络以MobilenetV2和残差特征增强及自适应空间融合的特征金字塔网络为特征提取网络，同时引入PointRend增强模块，并将网络回归损失函数优化为IoU函数，最优模型的F1值为91.21%，平均精确率为94.37%，召回率为88.25%，平均交并比为90.80%，单幅图像平均检测耗时0.50s，实现了水稻茎秆切片图像中大、小维管束区域的定位、检测和分割；通过边缘检测、形态学处理及轮廓提取，实现茎秆截面轮廓的分割提取。本文方法可实现对水稻茎秆截面面积、截面直径，大、小维管束面积，大、小维管束数量等6个参数的自动检测，检测平均相对误差不超过4.6%，可用于水稻茎秆微观结构的高通量观测。

来源：2022年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第12期