基于U2—DSCNet植物叶片分割方法研究

来源：中国农机化学报杂志2025年第2期北京时间：

作者：曾德斌, 陆万荣, 郑良芳, 施明登, 陈文绪,

摘要：为提高复杂背景情况下植物叶片分割算法精度、效果以及减少卷积计算量，提出一种改进的U2—Net语义分割模型U2—DSCNet。该模型基于U2—Net的RSU残差结构引入深度可分离卷积，采用DSC—RSU残差模块替代U2—Net的RSU单元，得到改进的U2—Net语义分割模型U2—DSCNet。模型由编码器、解码器、特征融合3部分构成，编码器有6层编码模块(En_1~En_6)，解码器有5层解码模块(De_1~De_5)，接着对5个解码器输出的图进行特征融合，得到融合不同尺度语义信息的特征图来用于模型训练。在测试集和自然环境下采集的图片上进行模型验证试验，与FCN、SegNet、U—Net和U2—Net等算法进行对比。采用精确率、召回率、Fβ分数和交并比作为评价指标，U2—DSCNet在4个指标中的结果为0.952，0.956，0.952，80.3，相比于其他几种分割算法均有显著提高，并且模型尺寸和训练效率也比U2—Net更好，模型尺寸为137 MB，训练时间为0.72 s。该模型在拥有高分割准确率的同时具有良好的泛化能力。

关键词：植物叶片,U2—DSCNet,语义分割,残差连接,深度可分离卷积

基金资助：塔里木大学校长基金项目(TDZKSS202139，TDZKSS202225)