基于一致性半监督学习的苹果叶片病斑分割模型研究

来源：农业机械学报杂志2024年第12期北京时间：

作者：丁永军，杨文涛，赵一龙

单位：西北师范大学,西北师范大学,西北师范大学,

摘要：快速准确的病斑分割对于病害严重程度评估及科学施药具有重要意义。基于深度学习的语义分割为构建高精度病斑分割模型提供了技术支撑。然而，苹果病斑标注费时费力。为了解决这一问题，以陇东苹果为研究对象，提出了一种基于轻量级一致性半监督学习框架的苹果叶片病斑分割模型。首先，遵循Mean Teacher半监督学习框架，使用2个轻量化的DeepLabV3+模型，构建病斑语义分割模型，以提高模型从有限标注数据中提取特征描述符的能力。其次，对比19种一致性正则化方法，发现MSE+Huber 组合对图像的细微差异更敏感、抗噪性更高，可提高模型对病斑过小、分布不均、边缘模糊的适应性。接着，使用贝叶斯优化算法对模型涉及的6个超参数进行寻优，以加快模型收敛速度和稳定性。结果表明，优化后模型仅使用30%的标注数据，病斑分割精确率达到95.60%，平均交并比为94.85%，平均像素准确率为96.50%。效果均优于全监督和自训练半监督学习框架。

关键词：苹果病害;病斑分割;半监督学习;一致性正则化;贝叶斯优化;DeepLabV3+

基金资助：国家自然科学基金项目(32360434)、甘肃省高校产业支撑计划项目(2023CYZC-10)和甘肃省自然科学基金项目(23JRRA705)