基于改進(jìn)SOLO v2的番茄葉部病害檢測方法

劉文波 葉 濤 李 頎

(1.陜西科技大學(xué)電氣與控制工程學(xué)院， 西安 710021; 2.陜西科技大學(xué)電子信息與人工智能學(xué)院， 西安 710021)

0 引言

作物病害一直是困擾農(nóng)業(yè)生產(chǎn)的難題，是制約農(nóng)業(yè)可持續(xù)發(fā)展的主要因素之一[1]。番茄是我國重要的經(jīng)濟(jì)作物之一，同時作為世界上主要的蔬菜作物，種植面積和產(chǎn)量都在不斷增加。然而番茄病害會導(dǎo)致產(chǎn)量的顯著下降，給農(nóng)業(yè)經(jīng)濟(jì)帶來巨大損失[2-3]。因此，番茄病害的早期診斷與防治是番茄高產(chǎn)的重要保障。

隨著機(jī)器學(xué)習(xí)在圖像檢測方面的不斷發(fā)展，有學(xué)者將其用于對植物葉片病害的檢測識別。魏麗冉等[4]提出了基于核函數(shù)支持向量機(jī)的多分類檢測方法對植物葉片的4種疾病進(jìn)行檢測識別，識別率在70%～89.5%之間，精度有限。劉君等[5]采用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network，CNN)與傳統(tǒng)的HOG(Histogram of oriented gradient)+SVM(Support vector machines)算法相結(jié)合的方法對番茄葉片的疾病進(jìn)行檢測，通過CNN提取淺層特征，融合HOG更好地描述特征，最后輸入到分類器SVM中識別病害，識別準(zhǔn)確率均值(92.49%)優(yōu)于傳統(tǒng)HOG+SVM算法(71.88%)，證明了卷積神經(jīng)網(wǎng)絡(luò)在葉片病害檢測領(lǐng)域的巨大潛力。楊森等[6]在Faster R-CNN的基礎(chǔ)上，通過構(gòu)造復(fù)合特征字典來訓(xùn)練馬鈴薯葉片病害識別模型，平均識別準(zhǔn)確率為84.16%，但在識別及定位精度上有待加強(qiáng)。熊俊濤等[7]使用了以VGG16為骨干網(wǎng)絡(luò)的Mask R-CNN的實(shí)例分割算法，實(shí)現(xiàn)了對大豆葉片實(shí)例的像素級識別與分割，分類準(zhǔn)確率達(dá)到89.42%,平均分割準(zhǔn)確率為88.3%，但運(yùn)行速度較慢，單幅圖像識別平均需要0.8 s。

為實(shí)現(xiàn)對番茄葉片疾病高精度與快速檢測，本文基于Plant Village開源數(shù)據(jù)庫，提出以單階段(one-stage)的實(shí)例分割算法SOLO v2[8]為主體框架，并將DCN v2[9](Deformable convolutional networks version 2)與ResNet-101相融合作為骨干網(wǎng)絡(luò)來提高對形狀各異的番茄葉片的識別精度，為番茄疾病的防治提供信息支持。

1 模型結(jié)構(gòu)設(shè)計(jì)

實(shí)例分割旨在精確地檢測和描繪圖像中的對象[10-11]，通過掩膜對對象進(jìn)行定位，將對象定位推向像素級的極限。目前，實(shí)例分割方法可分為3類：自上而下(top-down)的方法[12-19]，首先進(jìn)行目標(biāo)檢測，然后再分割框內(nèi)的實(shí)例對象，該類方法由于性能良好而使用廣泛；自底而上(bottom-up)[20-23]的方法,該類方法首先將每個實(shí)例看作一個類別，然后進(jìn)行聚類，一般來說其效果劣于第1類方法；直接得到實(shí)例分割結(jié)果的方法[8,24]。本文所選取的SOLO v2網(wǎng)絡(luò)框架即為直接得到實(shí)例分割結(jié)果的方法，它以位置信息來動態(tài)分割對象，由于網(wǎng)絡(luò)結(jié)構(gòu)相對簡明，模型訓(xùn)練、識別速度都較高。同時，在基本不影響模型運(yùn)行速度的情況下，本研究將提升模型的識別精度以進(jìn)一步優(yōu)化分割性能。

1.1 SOLO v2 模型

SOLO v2主要由5部分構(gòu)成：全卷積網(wǎng)絡(luò)(Fully convolutional networks，F(xiàn)CN)、特征金字塔網(wǎng)絡(luò)[25]、卷積核分支(Mask kernel branch)、特征分支(Mask feature branch)以及語義分支(Category branch)，如圖1所示。

圖1中，H、W、E分別為特征金字塔的輸出特征圖I及掩膜特征圖F的高度、寬度及通道數(shù)；S表示對齊后特征圖的高度或?qū)挾?；C為語義總類別數(shù)，等效于語義分支輸出特征圖的通道數(shù)；D為卷積核權(quán)值，等效于掩膜內(nèi)核G的通道數(shù)。

SOLO v2與YOLO[26]類似，對于輸入圖像，從概念上將其均分為S×S的網(wǎng)格。通過全卷積網(wǎng)絡(luò)與特征金字塔網(wǎng)絡(luò)進(jìn)行特征提取，判別實(shí)例的中心是否落入某個網(wǎng)格中，滿足條件的網(wǎng)格將進(jìn)入語義分支與掩膜分支，分別對對應(yīng)的實(shí)例進(jìn)行語義以及掩膜大小及位置的判別。

1.1.1卷積骨干

模型在進(jìn)行預(yù)測實(shí)例信息前，必須通過卷積網(wǎng)絡(luò)進(jìn)行特征提取。由于殘差網(wǎng)絡(luò)ResNet[27]可以解決優(yōu)化網(wǎng)絡(luò)較深帶來梯度爆炸及梯度消失的問題，泛化能力較強(qiáng)。因此，本研究使用ResNet-101作為特征提取網(wǎng)絡(luò)，并與層數(shù)較少的ResNet-50進(jìn)行對比試驗(yàn)，以比較不同深度的殘差網(wǎng)絡(luò)的性能。

1.1.2特征金字塔網(wǎng)絡(luò)

由于番茄葉片在圖像中的尺度不一，同時，在訓(xùn)練過程中使用的Plant Village數(shù)據(jù)庫中的葉片較大，而實(shí)際場景中大多會存在較小尺寸的番茄葉片。因此模型存在實(shí)際應(yīng)用中難以識別小尺寸葉片的問題，從而導(dǎo)致模型精度較低。

目前，特征金字塔網(wǎng)絡(luò)已廣泛與卷積骨干網(wǎng)絡(luò)融合，以區(qū)分不同尺寸的檢測對象。在原模型中，如圖2左側(cè)所示，ResNet網(wǎng)絡(luò)根據(jù)輸出圖像的尺寸及維度可分為5層，每層的最后1個殘差塊特征作為1個特征金字塔網(wǎng)絡(luò)的輸入特征圖?？紤]到低層的語義信息表達(dá)過少，且其輸出的特征圖進(jìn)行卷積、上采樣的計(jì)算量過大，故僅使用上4層(C2～C5)的特征圖。然后， C5通過1×1卷積核降維得到M5。下層(M2～M4)通過上一層的上采樣與左側(cè)特征圖經(jīng)過1×1卷積結(jié)果的對應(yīng)元素相加得到，由此構(gòu)建自上而下的金字塔結(jié)構(gòu)。金字塔每層分別通過3×3卷積運(yùn)算得到特征圖(P2～P5)。最終，語義信息與位置信息各不相同的4類特征圖(P2～P5)送到頭部網(wǎng)絡(luò)(Head)中進(jìn)行預(yù)測處理。為了獲得更準(zhǔn)確的實(shí)例信息，對P5層使用CoordConv[28]操作得到P1。

1.1.3語義分支

由于SOLO v2算法不需要邊框先對實(shí)例進(jìn)行目標(biāo)檢測，故不需要全連接層，僅采用分類器預(yù)測網(wǎng)格內(nèi)實(shí)例的類別。如圖1所示，1幅被分為S×S個網(wǎng)格的輸入圖像，總類別為C，那么從特征金字塔送至語義分支前為H×W×E的輸入空間，對齊到S×S×E，經(jīng)過語義分支處理(多個3×3卷積)后展開為S×S×C的輸出空間。即最終生成S×S個C維輸出，對每個網(wǎng)格分別進(jìn)行語義類別概率的預(yù)測。

1.1.4掩膜分支

在掩膜分支中進(jìn)行掩膜的尺寸及位置預(yù)測，如圖1所示，取特征金字塔的輸出特征圖I作為輸入，經(jīng)過2個分支計(jì)算學(xué)習(xí)后輸出掩膜內(nèi)核G∈RS×S×D及掩膜特征圖F∈RH×W×E。 最后通過動態(tài)卷積操作完成對掩膜的預(yù)測，計(jì)算公式為

Mi,j=Gi,jF

(1)

其中

Mi,j∈RH×WGi,j∈R1×1×E

式中 (i,j)——原圖坐標(biāo)

Mi,j——位置(i,j)單實(shí)例最終預(yù)測的掩膜

Gi,j——位置(i,j)上1×1卷積的掩膜內(nèi)核

1.1.4.1掩膜內(nèi)核

特征圖I進(jìn)入掩膜卷積核分支時，首先通過對齊操作轉(zhuǎn)換成S×S×E的空間特征圖。然后經(jīng)過4層卷積層及最后一個3×3×D卷積核的卷積運(yùn)算后生成最終的掩膜內(nèi)核G∈RS×S×D，其中進(jìn)行1×1卷積時D等于E，3×3卷積時D等于9E。

1.1.4.2掩膜特征圖

區(qū)別于掩膜卷積核分支需要對每層特征金字塔輸出圖像進(jìn)行處理后再合并空間得到掩膜內(nèi)核，掩膜特征分支首先通過3×3卷積操作、組歸一化后，由激活函數(shù)ReLU與2個雙線性插值運(yùn)算后將4層特征圖(P1～P4)統(tǒng)一到原圖尺寸的1/4并合為1幅與原圖同樣尺寸的特征圖。最終通過1×1卷積計(jì)算、組歸一化后經(jīng)激活函數(shù)ReLU得到最終的掩膜特征圖F。

1.1.5非極大值抑制

在經(jīng)過掩膜分支后會生成最多S×S個掩膜，通過輸出張量的第3維(通道)對掩膜進(jìn)行編碼，通道值上限為S2，編碼公式為

k=iS+j

(2)

式中k——網(wǎng)格(i,j)處的掩膜編碼

但并非所有的掩膜都表示不同的實(shí)例對象，其中存在多個掩膜均表示同一個實(shí)例，在網(wǎng)絡(luò)輸出時，應(yīng)僅保留一個置信度最高的掩膜。非極大值抑制(Non-maximum suppression，NMS)的思想是抑制非極大值的元素，應(yīng)用于實(shí)例分割即保留某一實(shí)例置信度最高的掩膜，去除其他冗余掩膜。

Matrix NMS考慮使用衰減因子對冗余掩膜的置信度進(jìn)行降低，因此對于每組相對掩膜a置信度較低的b的衰減函數(shù)f(ua,b)計(jì)算公式為

f(ua,b)=1-ua,b

(3)

式中ua,b——掩膜a與b的交并比

由于冗余掩膜的抑制概率與交并比(Intersection over union，IoU)正相關(guān)，f(u,a)可表示為

(4)

式中sk——掩膜k的置信度

sa——掩膜a的置信度

f(u,a)——掩膜a關(guān)于交并比的正相關(guān)函數(shù)

f(uk,a)——掩膜k與a的衰減函數(shù)

最后通過懲罰因子單步更新預(yù)測得分，從而通過設(shè)定閾值保留最佳的預(yù)測掩膜，掩膜b的懲罰因子計(jì)算公式為

(5)

(6)

sb——掩膜b的置信度

試驗(yàn)表明[8]，Matrix NMS對掩膜的預(yù)測效果較好，且得益于GPU并行計(jì)算功能，能夠一次完成掩膜IoU運(yùn)算，大幅減少了運(yùn)行時間。

1.2 改進(jìn)SOLO v2

1.2.1卷積結(jié)構(gòu)優(yōu)化

在番茄葉片圖像中，由于葉片種類繁多，形狀大小不一，且某些病癥在葉片的表現(xiàn)形式上較為類似，僅采用多變化的訓(xùn)練數(shù)據(jù)集難以將卷積神經(jīng)網(wǎng)絡(luò)(CNN)擬合為適應(yīng)識別多類別葉片病癥的理想模型。因?yàn)榫矸e神經(jīng)網(wǎng)絡(luò)在構(gòu)建新模型時的卷積核結(jié)構(gòu)、采樣位置、池化比例是不變的，固定的幾何結(jié)構(gòu)會導(dǎo)致感受野不適應(yīng)不同尺度、形狀的實(shí)例，卷積網(wǎng)絡(luò)對特征提取能力較差，最終出現(xiàn)網(wǎng)絡(luò)識別精度較低的情況。DAI 等[29]提出的第1代可變形卷積網(wǎng)絡(luò)(DCN)結(jié)構(gòu)主要解決卷積神經(jīng)網(wǎng)絡(luò)的建模問題，引入可變形卷積可提升模型靈活變換的能力。

對于每個輸入的特征圖，普通卷積在p0位置的像素點(diǎn)處特征值y(p0)計(jì)算公式為

(7)

式中pn——以p0為中心卷積核范圍內(nèi)所有位置

w(pn)——p0位置的采樣點(diǎn)權(quán)重

x(p0+pn)——p0位置特征值

Rf——感受野區(qū)域

可變形卷積在此基礎(chǔ)上增加了一個偏移量Δpn與權(quán)重Δmn∈[0,1],計(jì)算公式為

(8)

經(jīng)過偏移后的卷積核形狀更為靈活，并優(yōu)化了感受野范圍，使卷積骨干可以適應(yīng)各種類型的番茄葉片，從而提升模型對番茄病葉的檢測與分割精度。而引入的權(quán)重Δmn則是第2代可變形卷積網(wǎng)絡(luò)(DCN v2)所提出的，主要解決加入偏移量后導(dǎo)致感受野對應(yīng)范圍大于目標(biāo)范圍的問題。在Plant Village數(shù)據(jù)集的基礎(chǔ)上，本研究將在ResNet-50和ResNet-101模型中選擇性能較優(yōu)的模型改進(jìn)卷積結(jié)構(gòu)，并進(jìn)行對比試驗(yàn)分析。

1.2.2損失函數(shù)優(yōu)化

在實(shí)例分割中，需要用損失函數(shù)對語義類別和掩膜輸出的期望輸出與實(shí)際輸出的誤差進(jìn)行評價，進(jìn)而優(yōu)化模型。為更好地解決圖像樣本尺寸多、正負(fù)樣本不平衡的問題，原模型將Focal[30]損失函數(shù)和Dice[31]損失函數(shù)分別應(yīng)用于語義類別分類和掩膜預(yù)測。對訓(xùn)練損失函數(shù)的定義為

L=Lcate+λLmask

(9)

(10)

dmask(p,q)=1-D(p,q)

(11)

(12)

式中L——總損失函數(shù)

Lcate——Focal損失函數(shù)

Lmask——掩膜損失函數(shù)

λ——自定義權(quán)重參數(shù)

Npos——正樣本個數(shù)

mk——掩膜k的預(yù)測像素矩陣，等效于p

D(p,q)——矩陣p、q對應(yīng)的Dice系數(shù)

(x,y)——原圖位置(i,j)對應(yīng)的特征圖坐標(biāo)

px,y——特征圖(x,y)處的預(yù)測掩膜像素值

qx,y——特征圖(x,y)處的真實(shí)掩膜像素值

然而，在輸入的番茄葉片訓(xùn)練集中，存在像素點(diǎn)的預(yù)測值與真實(shí)值都很小的情況(px,y與qx,y的值接近0)，Dice損失函數(shù)的梯度則可能會出現(xiàn)非常大的情況，從而導(dǎo)致訓(xùn)練過程不穩(wěn)定。因此引入平滑系數(shù)ε，計(jì)算公式為

(13)

通過計(jì)算發(fā)現(xiàn)，當(dāng)px,y與qx,y的值接近0時，損失函數(shù)對px,y的梯度值略大于0，消除了可能出現(xiàn)梯度過高導(dǎo)致難以訓(xùn)練的情況。在訓(xùn)練過程中發(fā)現(xiàn)平滑系數(shù)ε取值范圍在0.01～1內(nèi)的模型收斂效果較好，由于該系數(shù)為固定值，在計(jì)算中占比較大，導(dǎo)致?lián)p失函數(shù)對不同偏差的預(yù)測值的衡量結(jié)果較為接近，會出現(xiàn)誤導(dǎo)優(yōu)化器反向傳播時參數(shù)更新方向的情況，進(jìn)而降低模型的魯棒性與精度。為了解決此問題，本研究設(shè)計(jì)了損失因子δ對Dice損失函數(shù)進(jìn)行調(diào)整，表達(dá)式為

(14)

其中

(15)

從理論上可知，由于損失因子的引入，使損失函數(shù)對預(yù)測值與真實(shí)值之間偏差的衡量結(jié)果與偏差值的聯(lián)系更為緊密，并加快了訓(xùn)練收斂的速度，提升了模型的精度與學(xué)習(xí)能力。為了探究該損失因子在實(shí)際應(yīng)用中的優(yōu)化效果，本研究通過試驗(yàn)進(jìn)行對比分析及驗(yàn)證。

2 模型評價指標(biāo)

采用平均精度(Average precision, AP)和檢測速度作為模型性能評價指標(biāo),從而衡量不同模型對番茄病葉檢測與分割的精度、效率。

計(jì)算每類番茄葉病的IoU閾值對應(yīng)的AP，并求取每類的mAP。

3 試驗(yàn)設(shè)計(jì)

3.1 試驗(yàn)平臺與參數(shù)設(shè)置

試驗(yàn)平臺選擇GeForce GTX 1660Ti GPU, 顯存為6 GB，內(nèi)存為16 GB，Ubuntu 16.04運(yùn)行系統(tǒng)，Python 3.7+pytorch 1.4.0下的mmdetection 1.0框架作為環(huán)境配置。

由于GPU性能及數(shù)量限制，故設(shè)置GPU數(shù)量為1；GPU每次僅處理1幅圖像；迭代輪數(shù)為60；設(shè)置輸入模型的圖像尺寸為256像素×256像素；優(yōu)化器采用SGD，由GPU個數(shù)設(shè)置初始學(xué)習(xí)率為0.001 25，保留原模型中設(shè)置的動量因子0.9及正則化權(quán)值衰減系數(shù)0.000 1；預(yù)熱學(xué)習(xí)率，選擇在第10 000步前線性增長學(xué)習(xí)率，在第10 000步后線性下降學(xué)習(xí)率，并在迭代訓(xùn)練至第27次與第33次時降低學(xué)習(xí)率，以加速收斂，提升收斂后模型的魯棒性；設(shè)置Focal損失函數(shù)的權(quán)重為1,Dice損失函數(shù)的權(quán)重為2；對于各類模型的IoU閾值設(shè)置為0.5。

3.2 試驗(yàn)數(shù)據(jù)

試驗(yàn)數(shù)據(jù)取自公開數(shù)據(jù)集Plant Village中的番茄葉片集。其中包括早疫病、晚疫病、葉霉菌病、七葉蟲斑病、二斑葉螨病、靶點(diǎn)病、黃曲葉病、花葉病、細(xì)菌性斑點(diǎn)病以及健康葉共10類番茄葉片，病例如圖3所示。注意到原數(shù)據(jù)集有部分圖像是錯分的，所以首先需要進(jìn)行數(shù)據(jù)清洗保證每類圖像在訓(xùn)練前類別正確。并對較少的類別葉片樣本進(jìn)行數(shù)據(jù)增強(qiáng)，以解決數(shù)據(jù)不平衡的問題。同時為了提升模型對單幅圖像中多實(shí)例的識別效果，使用Photoshop對原樣本進(jìn)行裁剪，將多個葉片整合到一幅圖像中。由于合成圖像與原數(shù)據(jù)集的圖像的分辨率不同，故需要將尺寸歸一化到256像素×256像素。最后，從合成圖像及經(jīng)預(yù)處理后的Plant Village數(shù)據(jù)集中篩選出9 000幅樣本，隨機(jī)抽取每類的60%作為訓(xùn)練集，20%作為驗(yàn)證集，剩余的20%作為測試集。

模型訓(xùn)練的數(shù)據(jù)集為coco標(biāo)注格式。經(jīng)清洗后的Plant Village 番茄數(shù)據(jù)樣本存在分割好的RGB圖像(黑色背景)，通過編寫程序?qū)⑵渑哭D(zhuǎn)換為黑白二值圖像(白色描述葉片輪廓，黑色為背景)。對于合成圖像則通過LabelMe進(jìn)行實(shí)例標(biāo)注，得到黑白二值圖像后與Plant Village數(shù)據(jù)集的黑白二值樣本結(jié)合原彩色圖像統(tǒng)一使用pycococreater工具包轉(zhuǎn)換為coco標(biāo)注文件。

3.3 對比模型訓(xùn)練

模型訓(xùn)練都采用coco數(shù)據(jù)集的預(yù)訓(xùn)練模型，通過遷移學(xué)習(xí)的方式對各個模型進(jìn)行訓(xùn)練，提升訓(xùn)練速度并改善模型的泛化能力。

3.3.1模型對比試驗(yàn)

為得到在數(shù)據(jù)集上表現(xiàn)最優(yōu)的模型，選用Mask R-CNN+FPN+ResNet-101、SOLO v2+FPN+ResNet-50、SOLO v2+FPN+ResNet-101、SOLO v2+FPN+DCN v2+ResNet-101進(jìn)行訓(xùn)練與驗(yàn)證。其中，對于引入可變形卷積的模型，在卷積骨干C3～C5層中所有3×3的卷積核替換成可變形卷積核。在訓(xùn)練過程中通過損失函數(shù)曲線收斂情況判斷模型是否適用于訓(xùn)練樣本。最后，將適用的模型在測試集上計(jì)算出相應(yīng)的AP和運(yùn)行速度并進(jìn)行對比分析。

3.3.2損失函數(shù)對比試驗(yàn)

為了驗(yàn)證本文提出的損失函數(shù)優(yōu)化方法的有效性，試驗(yàn)在3.3.1節(jié)處理后，選擇性能最優(yōu)的模型為基礎(chǔ)，將優(yōu)化Dice損失函數(shù)后的模型與原模型進(jìn)行對比測試。對比2個模型訓(xùn)練過程中的損失函數(shù)曲線，分析收斂速度與振蕩程度。最后在測試集上計(jì)算出相應(yīng)的AP并進(jìn)行對比分析。

4 結(jié)果與分析

4.1 不同模型的試驗(yàn)效果

試驗(yàn)將各個訓(xùn)練至收斂的模型應(yīng)用于測試集中對番茄葉片進(jìn)行實(shí)例檢測與分割，并得到最終的性能評價結(jié)果如表1所示,其中所有模型都融合了特征金字塔。表1中，AP0.5與AP0.75表示IoU閾值分別取0.5與0.75時的AP指標(biāo)；mAP表示IoU閾值以步長0.05從0.5到0.95所對應(yīng)AP的平均值。

表1 不同網(wǎng)絡(luò)模型的性能試驗(yàn)結(jié)果對比

在SOLO v2模型下，ResNet-101在AP0.5、AP0.75、mAP指標(biāo)上表現(xiàn)較好，分別為55.9%、44.3%、41.3%，尤其在IoU閾值為0.75時相對ResNet-50提升了0.8個百分點(diǎn)，單幅圖像的處理時間基本相同。說明在殘差網(wǎng)絡(luò)中層數(shù)較深的網(wǎng)絡(luò)精度更高，因此優(yōu)先將ResNet-101作為骨干網(wǎng)絡(luò)。

選用ResNet-101作為骨干網(wǎng)絡(luò)，使用SOLO v2模型與Mask R-CNN模型進(jìn)行對比發(fā)現(xiàn)：相比Mask R-CNN，SOLO v2的AP0.5、AP0.75、mAP分別增加了3.7、2.9、3.2個百分點(diǎn)。同時，SOLO v2僅使用0.059 s即完成對單幅圖像的識別與分割，單幅圖像處理時間相比Mask R-CNN減少了72.0%，極大地提升了模型的運(yùn)行效率。綜上所述，無論是從精度還是運(yùn)行效率上，SOLO v2模型都具有較好的效果。

在SOLO v2模型及骨干網(wǎng)絡(luò)ResNet-101基礎(chǔ)上，引入可變形卷積后進(jìn)一步提升了模型的識別與分割精度。改進(jìn)后的模型在IoU閾值為0.5時的效果最好，平均精度達(dá)到了57.2%，相比原模型提升了1.3個百分點(diǎn)，mAP提升了0.8個百分點(diǎn)。雖然模型運(yùn)行效率略有下降，但仍具備實(shí)時處理圖像的能力。所以，本研究使用DCN v2對模型進(jìn)行優(yōu)化具有一定的可行性。

4.2 不同損失函數(shù)試驗(yàn)效果

由分析可知，以ResNet-101-DCN v2-FPN為骨干網(wǎng)絡(luò)的SOLO v2模型具有最優(yōu)的性能，故本研究將該模型作為本次試驗(yàn)的原模型，并在此基礎(chǔ)上對損失函數(shù)進(jìn)行相應(yīng)變化以進(jìn)行對比試驗(yàn)，試驗(yàn)結(jié)果如圖4所示。

從圖4中可知，2個模型訓(xùn)練時的收斂速度較快，證明2個模型的泛化性能良好，且在圖4b中曲線振蕩幅度略小于圖4a，說明損失函數(shù)的優(yōu)化進(jìn)一步提升了模型的泛化能力。而在驗(yàn)證集上，原模型曲線出現(xiàn)了一次較大幅度的振蕩(圖4c)，而損失函數(shù)優(yōu)化后的模型曲線(圖4d)則較平穩(wěn)地收斂。這說明原損失函數(shù)的評價誤導(dǎo)了優(yōu)化器反向傳播時的參數(shù)更新方向，而本研究的優(yōu)化策略較好地彌補(bǔ)了這一缺陷，從試驗(yàn)中進(jìn)一步驗(yàn)證了損失因子δ的優(yōu)化效果。

優(yōu)化后的模型識別分割效果如圖5所示,無論是對病癥表現(xiàn)較為相似的番茄葉片還是對背景顏色干擾大、有噪聲的番茄病葉圖像，都能夠做到正確分類，掩膜的位置信息也較為準(zhǔn)確。圖5中從左到右依次為無背景的番茄葉片、病癥表現(xiàn)類似的番茄葉片、背景干擾大且有噪聲的番茄葉片。

最終的模型性能評價如表2所示，其中δ-Dice Loss表示加入損失因子δ后的損失函數(shù)。

表2 加入損失因子后模型性能對比

改進(jìn)后的模型在AP0.5、AP0.75、mAP指標(biāo)上分別比原模型提高了0.3、0.1、0.2個百分點(diǎn)，證明損失函數(shù)的優(yōu)化進(jìn)一步提升了模型的精度。本文方法通過引入損失因子δ來優(yōu)化模型的掩膜損失函數(shù)，提升了整體性。

5 結(jié)束語

提出了一種基于SOLO v2的番茄病葉檢測與分割方法，并在卷積結(jié)構(gòu)與損失函數(shù)上對模型進(jìn)行改進(jìn)。通過對比試驗(yàn)得到，在同樣條件下，以ResNet-101為骨干網(wǎng)絡(luò)，SOLO v2模型比Mask R-CNN在mAP指標(biāo)上提高了3.2個百分點(diǎn)，單幅圖像處理時間減少了72.0%。而引入DCN v2及損失因子δ后，最終優(yōu)化后的模型mAP為42.3%，且有效提高了模型的魯棒性與泛化能力，能夠較精確地實(shí)現(xiàn)番茄病葉的識別與分割。