基于深度学习的田间玉米幼苗与杂草语义分割研究

摘要

为实现复杂田间背景下玉米幼苗和杂草的准确分割，提出了一种基于改进ResNet的语义分割网络模型.首先，对骨干网络进行调整，在保证感受野不变的情况下降低计算量，提高模型的分割精度；其次，引进空洞空间金字塔池化模块，增强模型对多尺度目标上下文信息和全局上下文信息的获取能力；最后，引入条带池化模块补充和完善上下文信息，增强全局语义信息表达.实验结果表明，该模型在自建数据上获得85.3%的平均交并比.对田间复杂环境下玉米幼苗与杂草具有良好的分割效果和泛化能力，研究结果为智能除草设备提供一定的参考.

关键词

田间玉米幼苗与杂草 / 深度学习 / 语义分割 / 空洞空间金字塔池化 / 条带池化

基金资助

吉林省教育厅科学技术研究项目（JJKH20210011）