农业机械学报

作者：付主木，郝英杰，李嘉康，雷翔，堵劲松，徐大勇

单位：河南科技大学,河南科技大学,中国烟草总公司郑州烟草研究院,红塔烟草（集团）有限责任公司,中国烟草总公司郑州烟草研究院,中国烟草总公司郑州烟草研究院,

关键词：烟叶叶脉分割;高光谱成像技术;U-Net;空间注意力机制;生成对抗网络

基金：中国烟草总公司重点研发项目(110202202010)

叶脉作为植物的重要特征，包含生理和遗传信息，针对复杂叶面纹理状态下的细小叶脉边缘分割模糊、分割精度低等问题，以烟叶为研究对象，提出了一种GAN-SA-UNet叶脉分割算法。通过高光谱成像技术获取叶脉与叶面光谱信息，并利用主成分分析（Principal component analysis，PCA）对其进行降维，得到合成图。在此基础上，引入空间注意力机制，捕捉关键的空间特征，提高分割精度，同时引入对抗网络，优化生成结果，提高叶脉分割的鲁棒性。结果表明：叶脉与叶面光谱PCA前3个主成分解释率达到95.71%，二者降维后的光谱特征表现出明显的可分性，前3个主成分合成图能够凸显叶面与叶脉之间的差异，突出叶脉特征。GAN-SA-UNet分割算法能够捕捉复杂叶面纹理图像的脉络特征，分割准确率和交并比分别达98.93%和66.23%，与原模型相比，分别提高0.18个百分点和4.21个百分点，单幅图像推理时间为4ms。在对不同产地、部位、等级、类型烟叶验证测试中表现出较强的泛化能力和高效准确的识别能力。

来源：2024年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第11期