基于改进DeepLabV3+的苹果叶面病斑语义分割方法

来源：中国农机化学报杂志2025年第8期北京时间：

作者：郑瑜煌, 陈丙三, 章文水, 卢敏瑞, 张腾健

单位：（1. 福建理工大学机械与汽车工程学院，福州市，350118； 2. 福建省智能加工技术与装备重点实验室，福州市，350118； 3. 福建武夷烟叶有限公司，福建南平，354000）

摘要：以苹果叶面病斑为研究对象，针对现有模型分割精度低、模型参数量大的问题，提出一种基于改进DeepLabV3+的苹果叶面病斑语义分割方法。使用MobileNetV2作为DeepLabV3+的主干特征提取网络，以减少模型参数量；提出MP—DenseASPP模块，在ASPP的基础上增添空洞卷积层并进行密集连接，同时结合混合池化模块，增大模型的感受野，提高模型的鲁棒性；设计一种多尺度浅层特征层，增强对多尺度目标的分割能力；改进AFF模块，提出ECAFF模块以融合多尺度浅层特征层中各层级，增强层与层间的特征融合能力。结果表明，改进的DeepLabV3+模型在ATLDSD数据集上的平均交并比、平均像素精度和F1分数分别达到72.22%、88.77%、83.44%，对比原模型分别提升1.10%、4.73%、1.02%。改进后模型的浮点计算量和参数量对比原模型分别减少58.5%、77.1%,而检测速度对比原模型提高6.67帧/s。该方法可大幅减少模型参数量，在保证叶面病斑检测精度的同时满足实时性，为基于语义分割的叶面病斑在线检测奠定基础。

关键词：苹果叶片,病害分割,注意力机制,特征融合,深度学习

基金资助：国家自然科学基金(52275413)；福建省自然科学基金（2023J01342）