基于改进U-Net的水稻叶片细胞分割方法研究
韦钙兴1
易文龙1
刘昱成1
赵应丁1
陈庭倬2
1.江西农业大学软件学院,江西南昌3300452.成都新朝阳作物科学股份有限公司生物技术研究院,四川成都611630
摘要：针对水稻叶片细胞图像中存在边界模糊、信噪比低和叶肉细胞相互粘连堆叠等特点导致分割精度不高的问题,提出一种基于改进U-Net的水稻叶片细胞分割方法.首先,将BA模块引入到ResNeXt网络中组成BAResNeXt模块作为网络的编码器,在提取深层的语义特征时提高网络对叶肉细胞的关注度;其次,在编码器与解码器之间加入通道交叉注意力机制,缓和解码器和编码器的语义歧义来增强分割图像特征的信息融合;最后,在解码器上采样阶段中使用SE注意力机制,以便过滤分割图像背景的干扰信息.为了验证该方法的有效性,将其与U-Net、Res-UNet、U-Net++和p Deeplabv3+等深度学习网络进行试验比对,结果表明,改进的方法在水稻叶片细胞分割中表现最好,其查准率为96.03％、召回率为97.67％、准确率为97.47％、交并比为93.96％,相似系数为96.78％,均比其他网络高.
关键词：水稻叶片细胞分割U-Net注意力机制特征融合
分类号：TP391(计算技术、计算机技术)S126(农业物理学)
资助基金：国家自然科学基金(61762048)江西省自然科学基金(20212BAB202015)
论文发表日期：2023-03-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 153-160 )
英文信息