基于轻量化RIG-UNet的香菇菌棒360度表型数据分析OA

利用360度食用菌菌棒图像采集装置(以下简称装置)采集香菇(Lentinula edodes)菌棒图像,获取表型数据,评价图像采集效率和质量;在UNet结构中引入倒残差模块和幽灵模块替换模型架构中的常规卷积;在输入端采用可重参数卷积模块(RepConv)取代原有卷积,并通过降维策略压缩模型整体通道,构建基于UNet的轻量化分割模型RIG-UNet,基于自建的香菇菌棒360度表型数据集开展消融实验并与PSPNet、HRNet和Deeplabv3+模型进行对比,最后将该模型部署至装置开展验证。结果表明:从菌棒放入装置至获得完整表型数据总耗时28 s,获取图像结构相似性平均值为0.9835,峰值信噪比平均值为34.97 dB。与原始UNet模型相比,RIG-UNet模型平均交并比、平均像素准确率分别达到97.82%、98.99%;模型参数量、浮点运算量、物理存储空间占用分别降低92.14%、92.67%、92.03%,推理时间缩短28.54%;RIG-UNet模型整体性能优于PSPNet、HrNet和Deeplabv3+典型的图像分割模型。与人工测算结果相比,部署于装置上的模型在菌落面积、轴向覆盖宽度、径向覆盖长度分割精度的平均绝对百分比误差为0.55%、1.52%、5.39%,均方根误差为1.85 cm^(2)、0.59 cm、0.82 cm,决定系数为0.999、0.993、0.988。实验结果为研究食用菌菌棒360度表型数据分析方法提供参考。