基于Macbm-RCNN的叶片周长和面积测量方法

来源：江苏农业科学杂志2022年第第13期北京时间：

作者：荣民希; 班彬; 王智峥; 郭晓丽; 张卫正

单位：1.郑州轻工业大学数学与信息科学学院，河南郑州 450002； 2.郑州轻工业大学计算机与通信工程，河南郑州 450002

摘要：为进一步提高日常背景下叶片周长面积测量精度和便利性，提出一种新的深度卷积网络模型Macbm RCNN，该模型在经典Mask RCNN模型基础上引入注意力机制。Macbm RCNN能对经过压缩处理过的图片进行准确检测和标注，并最终输出叶片周长和面积。通过最终的试验数据表明，Macbm RCNN网络模型的训练准确率相比于Mask RCNN提高1.65%，在复杂图像处理中，平均训练时间提升0.022 s，平均推理时间提升0.018 s。计算效率高于叶面仪和方格法，计算误差小于1.5%。验证表明，引入注意力机制的Macbm RCNN网络能提高叶片预测的准确率，在复杂情况下处理的速率有明显提升；在叶片周长和面积的计算中误差较小。在实际应用中能有效提高工作效率。

关键词：Macbm RCNN;叶片周长面积计算;特征提取;注意力机制;目标识别;图像分割