实验报告 | 基于改进 U2-Net 的小样本病虫害分割算法研究
实验报告 | 基于改进 U2-Net 的小样本病虫害分割算法研究
摘要:圣女果作为高效经济作物,其产量与品质常受病虫害严重威胁,病虫害区域的精准分割从而定位病害范围是病虫害早期干预、精准防治的核心前提。为解决传统圣女果病虫害分割中小病害区域漏检、边界模糊、分割效率低等问题,该文提出一种融合注意力机制的 AttU2-Net 分割模型,实现病虫害的精准分割与识别。使用Tomoto-disease数据集进行测试,在 U2-Netp 模型解码层嵌入轻量化SimAM,利用MSAA机制优化特征融合效果,最后在每层的输出侧加入CBMA注意力模块,从而构建出针对植物病害的分割模型 AttU2-Net 最后将其与其他主流分割模型如DeepLabv3、nnU-net等进行定量与定性比较。验证得到 AttU2-Net 能较为精准地分割出叶片及果实的病害区域,满足农业种植圣女果进程中对作物健康种植的要求。