农业机械学报

作者：陈燕，李想，曹勉，胡小春，王令强

单位：广西大学,广西大学,广西大学,广西财经学院,广西大学,

关键词：玉米茎秆;截面参数;语义分割;实例分割;显微结构

基金：广西科学研究与技术开发计划项目(桂科AA20302002-3)和广西自然科学基金项目(2020GXNSFAA159090)

茎秆微观结构与其力学性能密切相关，影响作物的抗倒伏性能。但作物茎秆微观表型参数难以通过人工方式获取，因此急需自动化的测量方法。本研究以玉米为材料，通过光学显微镜获得玉米茎秆横截面切片图像，基于深度学习架构融合ResNet和Unet构建语义分割Res-Unet网络模型，对截面表皮、周皮和髓区3个功能区域进行分割；针对维管束数量多、面积小、密度大的特点，以EfficientDet作为基础网络架构，根据维管束尺寸小的特性，减少双向特征图金字塔（BiFPN）的层数，达到提高推理速度、减少显存占用量的目的，同时添加掩膜分割分支，构造新的网络Eiff-BiFPN实现对维管束的分割。实验结果表明，功能区域分割的平均DICE达到88.17%；维管束分割的AP50和AP50:70分别达到88.78%和72.80%。根据分割结果，可以获得玉米茎秆截面尺寸、各功能区域尺寸和维管束数量、面积等微观结构参数。本文方法具有精确性、实时性和可用性，可用于玉米茎秆微观结构参数的自动化测定，为作物抗倒伏研究提供技术基础。

来源：2023年第6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6期