文献类型： 中文期刊

作者： 刘长勇 ¹ ; 李思佳 ² ; 史慧 ³ ; 查志华 ³ ; 邓红涛 ³ ;

作者机构： 1.新疆农垦科学院

2.中山大学电子与通信工程学院

3.石河子大学机械电气工程学院

关键词： 模型;图像分割;果心分割;TMU-Net网络;多重残差空洞卷积;Transformer;迁移学习

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2022 年 016 期

页码： 304-312

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题，该研究提出一种基于TMU-Net网络自动分割果心的方法，将Transformer编码器融入U-Net网络结构中，构建改进U型卷积网络TMU-Net模型。模型由特征提取模块、特征处理模块、解码器、特征拼接模块组成，以VGG-16前13层作为主干特征提取网络，在跳跃连接中叠加多重残差空洞卷积（Multiple Residual Dilated Convolution,MRDC）模块，增大感受野的同时增强了模型对底层特征提取能力。采用数据增强技术对果心数据集扩充后，利用迁移学习方法冻结特定的网络层，对TMU-Net模型进行训练。试验结果表明：引入迁移学习并使用最佳训练方式使模型分割精确率提高了22.48个百分点；TMU-Net网络模型在果心分割任务中实现了96.72%的精确率，与U-Net、PSPNet、DeeplabV3+网络对比，精确率分别提升了14.28、9.98、7.15个百分点。该方法能够精准、有效地实现果心分割，可为实现苹果内在品质智能检测提供参考。