基于RGE—UNet模型的甘蔗蔗梢识别研究

来源：中国农机化学报杂志2025年第3期北京时间：

作者：沈中华, 程虎强, , 夏爱强, 李涵

单位：（1. 桂林理工大学，广西高校先进制造与自动化技术重点实验室，广西桂林，541006；2. 兰州信息科技学院智能装备学院，兰州市，730700）

摘要：传统的甘蔗蔗梢图像分割算法步骤烦琐、整体优化较为困难，采用在小样本上仍表现优异的UNet网络，将模型原有主干网络替换为ResNet50来简化模型训练过程，上采样部分用Ghost轻量级模块替换普通卷积模块以减少模型的参数量和浮点数计算量，同时在编码器和解码器之间加入SE注意力机制对提取到的特征权重进行优化，最终得到一个轻量级的RGE—UNet蔗梢分割模型。结合迁移学习的方法对模型进行训练，将训练完成的模型通过Canny算子与水平垂直投影法对蔗梢区域进行识别，并提取蔗梢分割路径坐标。结果表明，基于RGE—UNet模型识别方法的平均像素准确率为94.98%，单张图片分割时间为0.31 s，分割速度较UNet与R50—UNet模型分别提高13.9%和18.4%。该模型能实现对蔗梢的快速准确识别，为甘蔗收割的自动化研究提供一定的技术参考。

关键词：甘蔗蔗梢,路径识别,语义分割,RGE—UNet,迁移学习

基金资助：广西壮族自治区重大科技专项（桂科技字［2022］117号）