融合通道注意力机制的茶叶嫩梢图像分割模型研究

摘要

为解决多品种、多时期自然环境下茶叶嫩梢图像分割精度低的问题，本文提出一种融合通道注意力机制的图像分割模型。该方法首先采用K均值聚类（K-means）算法对原始图像进行压缩，以超像素块为单元构建样本数据集，有效降低了数据复杂度。其次，为每个超像素块提取融合红绿蓝（RGB）、色相饱和度明度（HSV）、Lab颜色空间与灰度共生矩阵（GLCM）纹理的多维特征向量，继而引入通道注意力机制，通过特征重校准自适应学习各通道权重，突出关键判别特征。在分类器选择上，本文对比了逻辑回归、决策树及随机森林等多种机器学习算法，结果表明，随机森林性能最优，故最终采用该算法进行像素级分割。在自建数据集上的实验结果表明，本文模型的分割精确率显著优于传统方法，验证了本文方法的有效性与先进性。

关键词

茶叶嫩梢 / 图像分割 / 通道注意力机制 / 特征融合 / 机器学习

基金资助

2023年度高校国内访问工程师“校企合作项目”（FG2023124）