麦类作物学报

作者：邓国强，王君婵，杨俊，刘涛，李冬双，孙成明

单位：1. 江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室,扬州大学农学院,江苏扬州 225009；2. 江苏省粮食作物现代产业技术协同创新中心,扬州大学,江苏扬州 225009；3. 江苏里下河地区农业科学研究所/农业部长江中下游小麦生物学与遗传育种重点实验室,江苏扬州 225007

关键词：小麦,赤霉病,U-net模型,深度学习,图像识别,

基金：国家自然科学基金项目（31671615，31701355，31872852）；国家重点研发计划项目（2018YFD0300805）

为了快速、有效地监测小麦赤霉病的发生情况，利用数码相机对人工接种赤霉病菌的小麦田进行RGB图像获取，在图像预处理基础上，利用深度学习网络U-net来对人工标记好的发病麦穗图像进行训练。通过深度学习数据集的构建与测试，建立了基于RGB图像和改进U-net网络模型的小麦赤霉病识别与监测模型，并对模型识别结果进行了验证。结果表明，U-net可以很好地提取图像波段信息，但对于比较复杂的麦穗图像，在使用Keras方法进行图像语义分割时，需要对U-net网络结构进行改进，即在下采样部分加入Dropout层。与人工标记结果相比，模型识别结果的一致性较好，具有较高的监测精度。该模型平均精度为0.969 4，损失函数值为0.075 9，平均交并比MIoU为0.799。上述结果说明改进的U-net模型可以很好地识别和监测小麦图像中的发病麦穗，并在发病麦穗的分割上具有很好的效果

来源：2021年第11期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2021年第11期