来源：期刊VIP网 时间：
作者：陈祥渠;李爱凤;梁冬悦;吕兆东;张方恒;
单位：山东农业大学信息科学与工程学院;
摘要：梨树叶片病害的准确分级对有效防治病害、提高梨果实的产量和质量具有重要意义。本研究以梨树黑斑病、褐斑病、灰斑病叶片和健康叶片为对象，提出轻量级梨树叶片病害图像分割模型MECB-DeepLabV3+。首先，采用迁移学习方法，对比分析了U-Net、PSPNet和DeepLabV3+网络，选出综合表现最优的DeepLabV3+作为基础网络模型；其次，针对DeepLabV3+参数量较大、计算复杂度较高的问题，选用MobileNetV3作为骨干网络，实现了模型的轻量化；最后，针对DeepLabV3+在细小病斑识别及边界分割上的不足，引入高效通道注意力(ECA)、坐标注意力(CA)和瓶颈注意力(BAM)模块，并使用Ranger21优化器和复合损失函数优化模型训练。实验结果表明，MECB-DeepLabV3+模型的平均交并比和平均像素精度分别达到91.22%和95.01%,比基础网络模型DeepLabV3+分别提升2.91、2.14个百分点，参数量仅为4.221 M;采用病斑面积占比进行病害分级，整体平均准确率达到95.02%,可以实现有效的病害分级，可为及时防治梨树叶片病害提供科学依据。
关键词：梨树叶片病害;;病害分级;;深度学习;;语义分割;;迁移学习
基金资助：国家自然科学基金联合基金项目“利用LHAASO-WCDA实验测量大尺度各向异性和宇宙线3D传播研究”(U203110073);; 山东省自然科学基金项目“TeV能区宇宙线各向异性的研究”(ZR2020MA095)
