基于改進U-Net的人工光植物工廠生菜圖像分割方法

摘要： 針對植物工廠內(nèi)作物在人工光環(huán)境下圖像分割精度不足的問題，提出了一種改進的U-Net神經(jīng)網(wǎng)絡(luò)模型，以實現(xiàn)對作物圖像的高精度分割。首先通過對比試驗，系統(tǒng)比較了傳統(tǒng)圖像分割方法(如閾值、聚類和區(qū)域等)與神經(jīng)網(wǎng)絡(luò)方法在人工光環(huán)境下的分割效果，結(jié)果表明：與傳統(tǒng)方法相比，U-Net神經(jīng)網(wǎng)絡(luò)在分割精度和模型穩(wěn)定性方面具有明顯優(yōu)勢。然而，進一步分析U-Net模型的分割結(jié)果發(fā)現(xiàn)，其在復(fù)雜光照條件... （共7頁）