基于改进Deeplabv3+模型的果树语义分割研究

来源：中国农机化学报杂志2024年第1期北京时间：

作者：黎远江, 李云伍, , 赵颖, , 台少瑜, 王克超

摘要：针对丘陵山区果园存在地形、光线、边界干扰等环境因素对单株果树难以精准识别分割的问题，提出一种改进的高精度Deeplabv3+语义分割网络模型。首先，该模型以ResNet50为主干网络提取特征，引入金字塔拆分注意力(PSA)机制，获得更清晰的果树轮廓边界信息；继而，将条纹池化(SP)模块串联到解码部分，通过SP加强特征提取，分别沿水平和垂直维度获取丰富的上下文信息，扩大感受野范围并保证信息完整性和连续性。通过语义分割可得以下结论:在使用Labelme工具进行自主图像标注的丘陵山区果树树冠图像数据集中，果树单株识别分割准确率PA为98.91%，果树分割的平均交并比MIoU为74.94%，相较于PSPNet、UNet、FCN和Deeplabv3+，PA分别提高2.5%、1.88%、1.03%和1.85%，MIoU分别提高10.93%、8.19%、2.78%、5.73%，有较明显的数据提升。该研究成果可为智能农业装备在果园对靶喷药、长势识别等精细化作业方面提供数据支撑。

关键词：果树,树冠分割,Deeplabv3+,语义分割,条状池化,注意力机制

基金资助：贵州省科技计划项目(黔科合支撑［2021］一般171)