农业机械学报

作者：翁海勇，李效彬，肖康松，丁若晗，贾良权，叶大鹏

单位：福建农林大学,福建农林大学,福建农林大学,福建农林大学,湖州师范学院,福建农林大学,

关键词：柑橘主叶脉;显微图像;掩膜区域卷积神经网络;实例分割;微观表型

基金：国家自然科学基金项目（62005046）

针对目前植物解剖表型的测量与分析过程自动化低，难以应对复杂解剖表型的提取和识别的问题，以柑橘主叶脉为研究对象，提出了一种基于掩膜区域卷积神经网络（Mask region convolutional neural network，Mask R-CNN）的主叶脉显微图像实例分割模型，以残差网络ResNet50和特征金字塔（Feature pyramid network，FPN）为主干特征提取网络，在掩膜（Mask）分支上添加一个新的感兴趣区域对齐层（Region of interest Align，RoI-Align），提升Mask分支的分割精度。结果表明，该网络架构能够精准地对柑橘主叶脉横切面中的髓部、木质部、韧皮部和皮层细胞进行识别分割。Mask R-CNN模型对髓部、木质部、韧皮部和皮层细胞的分割平均精确率(交并比(IoU)为0.50)分别为98.9%、89.8%、95.7%和97.2%，对4个组织区域的分割平均精确率均值(IoU为0.50)为95.4%。与未在Mask分支添加RoI-Align的Mask R-CNN相比，精度提升1.6个百分点。研究结果表明，Mask R-CNN模型对柑橘主叶脉各类组织区域具有良好的识别分割效果，可为柑橘微观表型研究提供技术支持与研究基础。

来源：2023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2023年第7期