农业机械学报

作者：鲍文霞，吴育桉，胡根生，杨先军，汪振宇

单位：安徽大学,安徽大学,安徽大学,中国科学院合肥物质科学研究院,安徽大学,

关键词：茶叶;图像重建;超分辨率;残差组模块;卷积长跳跃结构

基金：安徽省自然科学基金项目（2208085MC60）、国家自然科学基金项目（62273001）、安徽省高等学校自然科学研究重大项目（KJ2020ZD03）、安徽省中央引导地方科技发展专项（202107d06020001）和安徽省高校研究生科学研究项目（YJS20210013）

针对无人机搭建可见光传感器进行茶叶长势、病害等监测中因飞行高度影响图像分辨率的问题，本文提出了一种改进的残差密集网络（Residual dense network，RDN）用于无人机茶叶图像超分辨率重建。针对无人机茶叶图像纹理复杂的特点，以RDN为基线网络，在其结构中引入了残差组（Residual group，RG）模块，将多个残差通道注意力模块（Residual channel attention block，RCAB）组合在一起，通过引入注意力机制来区别对待不同的通道，关注无人机茶叶图像高频细节信息，从而提高网络的表征能力；同时设计了一个卷积长跳跃结构，利用带有卷积的远程跳跃连接，动态调整经过残差密集块（Residual dense block，RDB）后特征的权重，更好地利用无人机茶叶图像的分层特征信息，从而提升超分辨率重建图像的质量。实验结果表明，本文改进的RDN网络在无人机茶叶图像测试集上相较于其他算法表现更优，超分辨率重建后的图像具有更高的峰值信噪比和结构相似度，在4倍超分的情况下分别达到36.03dB和0.9132，能够为茶叶智能化监测研究提供支持。

来源：2023年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第4期