来源：期刊VIP网 时间：
作者：陈自立;彭一龙;王从胜;王爱国;刘剑君;王来刚;林卫;郭燕;
单位：河南省农业科学院农业信息技术研究所农业农村部黄淮海智慧农业技术重点实验室;河南师范大学计算机与信息工程学院河南省教育人工智能与个性化学习重点实验室;中国烟草总公司郑州烟草研究院;中国烟草总公司河南省公司;
摘要：烟草病害的识别与诊断是烟草病害科学防治的前提和基础。为克服传统深度学习方法分割烟叶病斑时存在的泛化性弱、对噪声敏感等局限性问题，以角斑病、赤星病、野火病、蛙眼病4种病害为研究对象，基于Unet，通过改进特征提取模块、嵌入注意力机制等方法构建了增强型双重Unet(Enhanced Dual Unet,ED-Unet)模型对烟叶病斑进行精准分割。结果表明：(1)ED-Unet在病斑CPA、Recall、IoU、F1分数指标上分别达到92.75%、90.94%、84.93%、91.81%，整体Dice分数达到94.67%；(2)ED-Unet模型的参数量、浮点运算量、单幅图像推理时间分别为46.5 M、233.92 GFLOPs、65.096 ms；(3)相较于Unet、PSP、DeepLab v3+、FCN、SegNet、UNET++、DoubleU-Net,ED-Unet模型的精度取得了显著提升，且较好地控制了模型复杂度，综合性能达到最优。该方法可为烟叶病斑以及其他植物病害的精准分割提供技术支持。
关键词：Unet;;深度学习;;特征提取;;注意力机制;;烟叶病害;;病斑分割
基金资助：中国烟草总公司河南省公司科技项目“‘河南浓香’高端原料生产过程智能化监测技术体系构建”（2023410000240025）;; 河南省农业科学院遥感创新团队项目“农情信息空天地高精度遥感监测技术研发”（2024TD28）
