(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210622632.6 (22)申请日 2022.06.01 (71)申请人 安徽农业大 学 地址 230061 安徽省合肥市长江西路13 0号 (72)发明人 李玟　廖娟　刘超　陈民慧　 朱德泉　张锴　 (74)专利代理 机构 上海汉之律师事务所 31378 专利代理师 陈强 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 轻量化叶菜苗语义分割模型及其测试和使 用方法 (57)摘要 本发明公开了一种轻量化叶菜苗语义分割 模型， 分割模型由改进后的U ‑Net网络组成， 改进 后的U‑Net网络包括： 依次相连的编码 模块、 解码 模块； 编码模块， 包括： 依次相连的第一阶段、 第 二阶段、 第三阶段、 第四阶段和第五阶段； 第一阶 段由依次相连的两个标准卷积模块组成； 第二阶 段由第一最大池化层和第一适应性模块组成； 第 三阶段由依次相连的第二最大池化层和第二适 应性模块组成； 第四阶段由依次相连的第三最大 池化层和第三适应性模块组成； 第五阶段由依次 相连的第四最大池化层、 第四适应性模块、 和两 个深度可分离卷积组成。 旨在通过编码器提取图 像的不同尺寸语义特征， 结合跳跃连接， 通过解 码器进行不同尺寸图像特征的融合， 实现叶菜苗 的准确语义分割。 权利要求书2页 说明书8页 附图3页 CN 114882223 A 2022.08.09 CN 114882223 A 1.一种轻量化叶菜苗语义分割模型， 其特征在于， 所述分割模型包括改进后的U ‑Net网 络， 所述改进后的U ‑Net网络包括： 依次相连的编码模块、 解码模块； 所述编码模块， 包括： 依次相连的第一阶段、 第二阶段、 第三阶段、 第四阶段和第五阶 段； 所述第一阶段由依次相连的两个标准卷积模块组成； 所述第二阶段由依次相连的第一 最大池化层和第一 适应性模块组成； 所述第三阶段由依次相连的第二 最大池化层和第二 适应性模块组成； 所述第四阶段由依次相连的第三 最大池化层和第三 适应性模块组成； 所述第五 阶段由依次相连的第四最大池化层、 第四适应性模块和两个深度可分离卷积 组成。 2.根据权利要求1所述的轻量化叶菜苗语义分割模型， 其特征在于， 所述解码模块包括 顺次相连的第六阶段、 第七阶段、 第八阶段、 第九阶段； 所述第六阶段， 顺次相连的第 一上采样、 第一融合层、 第 一深度可分离卷积层和第二深 度可分离卷积层； 所述第七阶段， 顺次相连的第 二上采样、 第二融合层、 第 三深度可分离卷积层和第四深 度可分离卷积层； 所述第八阶段， 顺次相连的第 三上采样、 第三融合层、 第五深度 可分离卷积层和第六深 度可分离卷积层； 所述第九阶段， 顺次相连的第四上采样、 第四融合层、 第七深度 可分离卷积层和第八深 度可分离卷积层。 3.根据权利要求1所述的轻量化叶菜苗语义分割模型， 其特征在于， 在所述编码模块和 所述解码模块之间还包括： EMA模块， 所述EMA模块包括： 第七卷积层、 AM模块、 AE模块、 AR模 块、 注意力图、 组基、 第八卷积层； 所述第七卷积层分别与所述AM模块和所述AE模块的输入端相连， 所述AE模块更新注意 力图， 所述AM模块更新组基； 所述AM模块、 所述AE模块交替执行， 收敛之后， 作为所述AR模块 的输入， 所述AR模块进行数据重新估计， 所述AR模块的输出端与所述第八卷积层的输入端 相连， 所述第八卷积层的输出端与所述第六阶段相连。 4.根据权利要求1 ‑3任一项所述的轻量化叶菜苗语义分割模型， 其特征在于， 所述第一 适应性模块、 第二适应性模块、 第三适应性模块和第四适应性模块结构相同， 具体结构包 括： 第一卷积层(51)、 第五最大池化层(52)、 第二卷积层(53)、 第三卷积层(54)、 第四卷积层 (55)、 第五卷积层(5 6)、 第六卷积层(57)、 第五融合层(58)； 所述第一卷积层(51)分别与所述第五最大池化层(52)、 所述第二卷积层(53)和所述第 三卷积层(54)的输入端相连； 所述第三卷积层(54)分别与所述第四卷积层(55)和所述第五卷积层(56)的输入端相 连， 所述第五卷积层(5 6)的输出端与所述第六 卷积层(57)的输入端相连； 所述第五最大池化层(52)、 所述第四卷积层(55)和所述第六卷积层(57)的输出端与所 述第五融合层(58)相连。 5.根据权利要求1所述的轻量化叶菜苗语义分割模型， 其特征在于， 所述第 一阶段的两权　利　要　求　书 1/2 页 2 CN 114882223 A 2个标准卷积模块结构相同， 均为3 ×3的卷积顺联一个批归一 化层BN和一个激活层Relu； 所述第二阶段、 所述第三阶段、 所述第四阶段的结构相同， 最大池化层均为2 ×2滤波 器。 6.根据权利要求4所述的轻量化叶菜苗语义分割模型， 其特征在于， 所述第 一阶段与 所 述第九阶段跳跃 连接； 所述第二阶段与所述第八阶段跳跃 连接； 所述第三阶段与所述第七阶段跳跃 连接； 所述第四阶段与所述第六阶段跳跃 连接。 7.根据权利要求2所述的轻量 化叶菜苗语义分割模型， 其特 征在于， 所述第一卷积层(51)为1 ×1卷积， 所述第二卷积层(53)、 所述第三卷积层(54)、 所述第 四卷积层(5 5)、 所述第五卷积层(5 6)、 所述第六 卷积层(57)均为3 ×3卷积。 8.轻量化叶菜苗语义分割模型的训练方法， 其特 征在于， 所述方法包括： 采集叶菜苗图像， 并对所采集的叶菜苗图像进行 预处理， 得到预处 理后的叶菜苗图像； 基于预处理后的叶菜苗图像， 制作叶菜苗图像数据集， 将上述所制作的数据集按预设 比例划分得到： 训练集、 验证集和 测试集； 采用所述训练集、 验证集对所述轻量化叶菜苗语义分割模型进行训练和验证， 并采用 所述测试集对验证后的轻量化叶菜苗语义分割模型进 行测试， 得到目标轻量化叶菜苗语义 分割模型。 9.根据权利要求8所述的基于轻量化叶菜苗语义分割 模型的训练方法， 其特征在于， 所 述方法还 包括： 对训练集、 测试集和验证集分别做水平翻转、 垂直翻转、 水平垂直翻转、 亮度增强、 亮度 减弱变换， 得到扩增后的训练集、 测试集和验证集， 采用扩增后的数据集对模型进行训练、 验证和测试。 10.轻量化叶菜苗语义分割模型的使用方法， 其特 征在于， 所述方法包括： 获取待测试叶菜苗图像； 将所述待测试叶菜苗图像输入如权利要求8 ‑9任一项基于轻量化叶菜苗语义分割模 型， 获得叶菜苗检测结果。权　利　要　求　书 2/2 页 3 CN 114882223 A 3