基于DeepLabV3+的稻田苗期杂草语义分割方法研究

来源：中国农机化学报杂志2023年第4期北京时间：

作者：邓向武, 梁松, 齐龙, 余淑婷

单位：1. 广东石油化工学院电子信息工程学院，广东茂名，525000； 2. 华南农业大学工程学院，广州市，510642

摘要：稻田杂草位置获取是靶向喷施除草剂和机械智能除草的基础，为实现自然光照环境和水田复杂背景下稻田苗期杂草的信息获取。以稻田恶性杂草野慈姑为研究对象，提出一种基于全卷积神经网络的稻田苗期杂草语义分割方法，利用DeepLabV3+对秧苗和杂草进行语义分割进而获取的杂草位置信息。首先人工田间采集稻田苗期杂草野慈姑的RGB图像，通过图像标注工具LabelMe人工标注图像中秧苗、杂草和背景的各个像素点，70%数据集用于DeepLabV3+网络模型参数的训练，30%数据集用于测试DeepLabV3+性能。然后与FCN和U-Net两种语义分割方法进行比较，所提出的DeepLabV3+语义分割方法准确率、均正比、频权交并比和F值等性能指标都最优，试验得出：DeepLabV3+模型像素准确率最高达到92.2%，高于U-Net和FCN方法的准确率92.1%和84.7%。所提出的方法能对稻田苗期杂草、秧苗和背景像素进行准确分割，满足智能除草和除草剂靶向喷施的实际应用需求。

关键词：稻田杂草,野慈姑,语义分割,DeepLabV3+

基金资助：茂名市科技计划项目（2022041）；广东石油化工学院人才引进及博士启动项目（2019rc044）；广东省杰出青年基金（2019B151502056）；现代农业产业技术体系建设专项资金（CARS—01—47）；广东石油化工学院大学生创新创业培育计划项目（73321002）