适应性损失引导的多阶段残留ASPP用于复杂背景下的黄瓜中的病变细分和疾病检测

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 植物病理学 植物病理学

背景情况:

• 复杂的农业环境对黄瓜疾病的检测提出了挑战,原因是阴影,碎片和不均的照明.
• 背景和病变区域之间的像素比例不平衡,阻碍了图像分割模型中精确的病变提取.

研究的目的:

• 开发一个先进的图像细分框架,以精确检测黄瓜疾病.
• 在复杂的农业成像场景中克服现有模型的局限性.

主要方法:

• 提出了LS-ASPP模型,这是一个具有适应性损失的新两阶段的Atrous空间金字塔聚合 (ASPP) 框架.
• 叶子-ASPP阶段使用注意力模块和残余结构来精确地提取叶子轮.
• 现场ASPP阶段调整ASPP扩张率,并结合了卷积注意力块模块 (CABM) 进行精确的损伤细分.

主要成果:

• 在复杂的农业条件下,LS-ASPP模型显著提高了语义细分的准确性.
• 实现了叶子轮和病变区域的精确细分,即使具有具有挑战性的图像文物.
• 在从各种背景中提取关键疾病信息方面表现强.

结论:

• 在复杂的环境中,LS-ASPP模型为精确的黄瓜病变细分提供了强大的解决方案.
• 该框架的重点是挑战性像素和适应性方法,提高了疾病检测的准确性.
• 通过加强疾病识别,有可能改善及时作物管理决策.