改進(jìn)U-Net 模型的保護(hù)性耕作田間秸稈覆蓋檢測(cè)

劉媛媛，周小康，王躍勇，于海業(yè)，庚 晨，何 銘

（1.吉林農(nóng)業(yè)大學(xué) 信息技術(shù)學(xué)院，吉林 長(zhǎng)春 130118；2.吉林農(nóng)業(yè)大學(xué) 工程技術(shù)學(xué)院，吉林 長(zhǎng)春 130118；3.吉林大學(xué) 工程仿生教育部重點(diǎn)實(shí)驗(yàn)室，吉林 長(zhǎng)春 130025）

1 引言

保護(hù)性耕作是農(nóng)業(yè)生產(chǎn)中的重要環(huán)節(jié)，它是一種以農(nóng)作物秸稈還田、免耕或者少耕播種為主要內(nèi)容的現(xiàn)代耕作技術(shù)體系，能夠有效減輕土壤風(fēng)蝕水蝕、增加土壤肥力和抗旱保墑能力，提高農(nóng)業(yè)生態(tài)和經(jīng)濟(jì)效益。其中，秸稈還田是保護(hù)性耕作的有效措施之一［1-8］，而秸稈覆蓋率的檢測(cè)是衡量秸稈還田質(zhì)量的直接手段。為了促進(jìn)保護(hù)性耕作的實(shí)施及推廣，2021 年2 月吉林省農(nóng)業(yè)農(nóng)村廳頒布關(guān)于轉(zhuǎn)發(fā)《2021 年?yáng)|北黑土地保護(hù)性耕作行動(dòng)計(jì)劃技術(shù)指引》的通知，東北四省按照《東北黑土地保護(hù)性耕作行動(dòng)計(jì)劃》制定的秸稈覆蓋率測(cè)算標(biāo)準(zhǔn)實(shí)行還田補(bǔ)貼政策。因此，快速、準(zhǔn)確檢測(cè)秸稈覆蓋率是當(dāng)前亟待解決的問(wèn)題。

傳統(tǒng)的秸稈覆蓋率檢測(cè)方法為人工拉繩測(cè)量，時(shí)間和人工成本大，測(cè)量效率低，難以測(cè)量面積巨大的農(nóng)田。近年來(lái)，計(jì)算機(jī)視覺(jué)算法已經(jīng)成功地應(yīng)用到秸稈覆蓋檢測(cè)中［9-11］。為了提高檢測(cè)效率，本課題組提出一種基于多閾值圖像分割算法的秸稈覆蓋率檢測(cè)方法［12］，但對(duì)于含有農(nóng)機(jī)和樹(shù)影干擾的田間圖像，分割效果欠佳。這些干擾因素導(dǎo)致秸稈還田圖像的分割難度增大，秸稈覆蓋率檢測(cè)的準(zhǔn)確性降低。為進(jìn)一步提高檢測(cè)效率，本課題組提出了基于語(yǔ)義分割的復(fù)雜場(chǎng)景下的秸稈檢測(cè)算法［13］，該算法可以分割帶有樹(shù)影和農(nóng)機(jī)等復(fù)雜場(chǎng)景下的秸稈農(nóng)田，但存在模型訓(xùn)練時(shí)間較長(zhǎng)、收斂速度慢等問(wèn)題，樹(shù)影的去除效果仍需進(jìn)一步提升。

針對(duì)上述問(wèn)題，本文提出了一種以U-Net［14］作為基本骨架的語(yǔ)義分割模型，能夠有效分割出樹(shù)影以及田間其他干擾因素，減少了模型參數(shù)，縮短了訓(xùn)練時(shí)間，能夠更加高效地進(jìn)行秸稈覆蓋率圖像分割，使得檢測(cè)效果進(jìn)一步提高。

2 改進(jìn)U-Net 模型框架

2.1 模型分析

一般情況下，實(shí)際田間場(chǎng)景比較復(fù)雜，農(nóng)田之間會(huì)設(shè)置防林帶，緊靠農(nóng)田邊緣種植樹(shù)木，在陽(yáng)光的照射下投影出面積較大的樹(shù)影，且農(nóng)田區(qū)域內(nèi)通常會(huì)有農(nóng)機(jī)、公路、植被和房屋等，如圖1所示。實(shí)際田間圖像中秸稈末端纏繞交錯(cuò)，細(xì)長(zhǎng)且雜亂。由于秸稈、土壤、樹(shù)影等顏色接近，傳統(tǒng)的閾值分割方法難以區(qū)分，檢測(cè)結(jié)果誤差較大。因此，秸稈圖像分割難度大、精確度低。為了提高秸稈圖像的分割精度，本文在原始U-Net 模型的基礎(chǔ)上，提出了一種改進(jìn)的U-Net（Improved U-Net，IU-Net）模型。U-Net 是完全卷積網(wǎng)絡(luò)的經(jīng)典變體，在圖像分割應(yīng)用中具有三個(gè)優(yōu)勢(shì)：一是提取全局特征和上下文信息的能力較強(qiáng)；二是整個(gè)圖像可以作為輸入，直接輸出分段圖像；三是對(duì)小樣本圖像分割具有較強(qiáng)的泛化能力。

圖1 復(fù)雜田間場(chǎng)景Fig.1 Complex field scene

首先，IU-Net 模型使用U-net 的對(duì)稱(chēng)上下采樣結(jié)構(gòu)作為骨干網(wǎng)絡(luò)以實(shí)現(xiàn)語(yǔ)義分割；為了提高模型的特征提取能力，提出了一種復(fù)雜的卷積模塊Block 代替原始U-Net 模型中的3×3 卷積；然后，將空洞卷積［15］引入Inception 結(jié)構(gòu)［16］，提出一種拓展網(wǎng)絡(luò)寬度的模塊結(jié)構(gòu)Gception，以拓寬感受野，提取高維特征；將Gception 與條形池化Strip pooling［17］一同引入卷積模塊中，并使用Sigmoid 函數(shù)將輸出轉(zhuǎn)換為注意力形式，以強(qiáng)化焦點(diǎn)特征；最后，在下采樣階段使用殘差卷積［18］，在上采樣使用深度可分離卷積［19］，連接Block 卷積模塊，以減輕梯度消失，減少模型參數(shù)量。

復(fù)雜卷積模塊能夠提升模型對(duì)秸稈細(xì)節(jié)特征的提取能力；Gception 能夠提升模型對(duì)全局特征及高維特征的提取能力；注意力機(jī)制的引入能夠減輕樹(shù)影及農(nóng)機(jī)等因素對(duì)秸稈分割的干擾。因此，IU-Net 模型拓寬了網(wǎng)絡(luò)結(jié)構(gòu)，能夠在不增加參數(shù)量的情況下提升網(wǎng)絡(luò)性能，從而實(shí)現(xiàn)在復(fù)雜田間場(chǎng)景下秸稈圖像的精準(zhǔn)分割。

2.2 改進(jìn)的U-Net 模型

IU-Net 網(wǎng)絡(luò)架構(gòu)如圖2 所示，整體呈現(xiàn)U 型結(jié)構(gòu)，可分為左側(cè)編碼器Encoding 和右側(cè)解碼器Decoding 階段。與原始U-Net 不同的是，在編碼器階段附加一個(gè)三角形結(jié)構(gòu)，包含最大池化和Concatenate 連接操作。圖中，每個(gè)立方體對(duì)應(yīng)一個(gè)多通道特征圖，通道的數(shù)量位于立方體頂部，特征圖尺寸位于立方體的左上邊緣。箭頭表示不同的操作，其中細(xì)長(zhǎng)空心箭頭表示復(fù)制下采樣階段的特征圖到相應(yīng)層數(shù)的上采樣階段；加號(hào)表示Concatenate 連接操作；向下的箭頭表示2×2最大池化運(yùn)算；向上的箭頭表示2×2 的上卷積操作；粗實(shí)心和空心箭頭表示將特征圖輸入復(fù)雜卷積模塊Block。彩色圖像經(jīng)過(guò)灰度處理后輸入IU-Net 模型。

圖2 IU-Net 模型結(jié)構(gòu)Fig.2 Structure of IU-Net model

網(wǎng)絡(luò)中的卷積操作均采用本文提出的復(fù)雜卷積模塊Block 代替原始U-Net 結(jié)構(gòu)中的3×3 卷積。在下采樣階段，使用一個(gè)3×3 殘差卷積塊與Block 模塊相連，形成Block1，每個(gè)Block1 模塊后接2×2 最大池化運(yùn)算。相對(duì)于原始U-Net 結(jié)構(gòu)，卷積操作將通道數(shù)量增加一倍，而IU-Net 下采樣階段的卷積操作不改變通道大小，將未經(jīng)過(guò)卷積模塊的上層特征圖經(jīng)過(guò)2×2 最大池化后，與經(jīng)過(guò)卷積模塊的下層特征圖通過(guò)Concatenate 連接操作進(jìn)行特征融合，以此實(shí)現(xiàn)通道數(shù)量的倍增，進(jìn)行高維特征提取的同時(shí)保證了全局特征的完整性。

在上采樣階段，使用一個(gè)深度可分離卷積塊與Block 模塊相連，形成Block2。首先進(jìn)行2×2的上卷積，將通道數(shù)量減半；其次，將特征圖與上采樣中相應(yīng)路徑的特征圖進(jìn)行Concatenate 連接；然后，通過(guò)Block2 模塊；在最后一層使用兩個(gè)3×3 卷積和一個(gè)1×1 卷積模塊減少通道數(shù)量，并將每個(gè)分量特征向量映射到所需的6 個(gè)類(lèi)中。

3 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計(jì)

3.1 卷積模塊結(jié)構(gòu)

由于秸稈特征復(fù)雜細(xì)小，普通的卷積結(jié)構(gòu)對(duì)于這類(lèi)特征的提取效果并不理想，導(dǎo)致秸稈精準(zhǔn)分割困難。為更好地提取秸稈的細(xì)節(jié)特征，本文對(duì)原始U-Net 的3×3 卷積塊進(jìn)行改進(jìn)，設(shè)計(jì)了一種復(fù)雜的卷積模塊Block，其內(nèi)部結(jié)構(gòu)如圖3 所示。其中，W和H分別為特征圖的寬度和高度。

在利用池化操作擴(kuò)大視野時(shí)，不可避免地會(huì)加入一些無(wú)關(guān)緊要的像素區(qū)域，因此，在卷積模塊Block 中引入條紋池化結(jié)構(gòu)，限制池化區(qū)域，以避免全局池化或金字塔池化帶來(lái)的無(wú)用信息及誤導(dǎo)信息。該模塊通過(guò)條紋池化結(jié)構(gòu)與Gception 結(jié)構(gòu)得到的張量進(jìn)行Concatenate 連接，后接一個(gè)使用Sigmoid 激活函數(shù)的1×1 卷積模塊，作為整個(gè)卷積模塊的輸出。

在下采樣階段，使用殘差卷積模塊得到的特征圖作為卷積模塊Block 的輸入，以減輕復(fù)雜網(wǎng)絡(luò)梯度消失的問(wèn)題；在上采樣階段，使用深度可分離卷積模塊得到的特征圖作為卷積模塊Block輸入，以減少模型的參數(shù)量，避免復(fù)雜網(wǎng)絡(luò)帶來(lái)的計(jì)算量增加問(wèn)題。

3.2 Gception 結(jié)構(gòu)

針對(duì)田間圖像中秸稈特征不明顯的問(wèn)題，準(zhǔn)確分割要求網(wǎng)絡(luò)可以提取多樣的全局特征以及高維的細(xì)節(jié)特征。在特征值提取時(shí)，網(wǎng)絡(luò)的寬度一定程度上決定了特征提取的多樣性，Inception結(jié)構(gòu)能夠有效拓寬網(wǎng)絡(luò)，以提取高維特征。通過(guò)上述條紋池化和最大池化運(yùn)算，分別可以獲得特征圖上的高度概括特征和條形特征。為了獲得傳統(tǒng)方形大視野，通常采用增加卷積核大小的方法，但以增加參數(shù)計(jì)算量為代價(jià)。因此，本文將空洞卷積引入Inception 結(jié)構(gòu)，提出一種新的Gception 結(jié)構(gòu)，如圖3 所示。

圖3 卷積模塊的內(nèi)部結(jié)構(gòu)Fig.3 Internal structure of convolution module

在Gception 結(jié)構(gòu)中，像素對(duì)經(jīng)過(guò)兩個(gè)3×3 卷積模塊、一個(gè)3×3 卷積模塊以及空洞卷積的3 種不同操作的卷積結(jié)果進(jìn)行Concatenate 連接后，使用Sigmoid 函數(shù)對(duì)其進(jìn)行轉(zhuǎn)換并與輸入相乘，將Inception 結(jié)構(gòu)由殘差形式轉(zhuǎn)換為注意力形式，以強(qiáng)化焦點(diǎn)特征。

空洞卷積可以在不增加參數(shù)計(jì)算量的同時(shí)獲得更大的視野，但插值次數(shù)越高，插值結(jié)果越偏離原函數(shù)，出現(xiàn)龍格現(xiàn)象。為解決此問(wèn)題，本文采用高效空間金字塔空洞卷積模塊（Efficient Spatial Pyramid of Dilated Convolutions Module，ESP mod），如圖4 所示。當(dāng)需要進(jìn)行高空洞值的卷積時(shí)，將相應(yīng)的低空洞值與之進(jìn)行累加，以彌補(bǔ)空洞卷積參數(shù)之間的無(wú)關(guān)聯(lián)性。本文采用擴(kuò)張率為2，4，8，16 的4 種卷積核得到的結(jié)果通過(guò)Concatenate 操作進(jìn)行特征提取。

圖4 高效空間金字塔空洞卷積模塊Fig.4 Efficient spatial pyramid of dilated convolutions module

3.3 注意力機(jī)制

為更好地排除田間秸稈圖像中樹(shù)影、土壤以及農(nóng)機(jī)等干擾，強(qiáng)化秸稈的焦點(diǎn)特征，以提高網(wǎng)絡(luò)對(duì)秸稈的提取能力，本文在模型中引入了注意力機(jī)制。首先，通過(guò)一個(gè)1×1 卷積和Sigmoid 函數(shù)將原始Inception 結(jié)構(gòu)的輸出轉(zhuǎn)換為注意力參數(shù)形式；其次，將條紋池化的結(jié)果與Gception 結(jié)構(gòu)輸出的結(jié)果進(jìn)行Concatenate 連接；然后，將結(jié)果與輸入相乘，達(dá)到提取焦點(diǎn)特征的目的。注意力形式的Gception 結(jié)構(gòu)可以更完整地提取圖像中秸稈的邊緣細(xì)節(jié)，其性能優(yōu)于Inception 結(jié)構(gòu)的殘差形式。

4 實(shí) 驗(yàn)

4.1 模型訓(xùn)練

4.1.1 圖像采集與預(yù)處理

本文采用DJI 大疆M200 無(wú)人機(jī)搭載X5S 云臺(tái)相機(jī)，采集時(shí) 間為2021 年4 月21 日、2021 年5月5 日，采集地點(diǎn)為中國(guó)吉林省榆樹(shù)市大崗鄉(xiāng)，采集范圍為（126.261 675° E，45.097 652° N），（126.287 043°E，45.101 012°N），（126.262 969°E，45.074 335°N），（126.300 194°E，45.075 098°N），采集數(shù)據(jù)的光照條件為自然光照。

無(wú)人機(jī)按照既定的航線等高度垂直于地面勻速飛行，高度為50 m，速度為5 m/s，云臺(tái)相機(jī)鏡頭始終垂直于地面拍攝，拍攝間隔為2 s，相鄰采集圖像重復(fù)率為70%，最終得到900 張秸稈圖像。上述數(shù)據(jù)集包含農(nóng)機(jī)、植被、道路、房屋和土地等干擾信息的圖像僅為50 張，所以需要通過(guò)增加干擾信息的方式來(lái)合成新的圖像。將圖像中含有的農(nóng)機(jī)、植被、道路及房屋等干擾信息裁剪出，然后將它們添加到不含干擾信息的圖像上并做旋轉(zhuǎn)、縮放等操作，通過(guò)以上方法得到了600 張包含多類(lèi)別干擾信息的圖像。

對(duì)秸稈圖像數(shù)據(jù)集的預(yù)處理操作分為三步。首先將圖像內(nèi)容分為六類(lèi)并標(biāo)注，針對(duì)秸稈復(fù)雜的細(xì)節(jié)，采用Photoshop 軟件中通道摳圖的方法進(jìn)行標(biāo)注，常規(guī)秸稈的曲線值為67/0.92/14，利用藍(lán)色通道調(diào)整圖像色階，將原始圖像轉(zhuǎn)為灰度圖像保存。再將閾值設(shè)置為25，轉(zhuǎn)為二值圖像。通道摳圖可以大致分割出秸稈的輪廓特征，然后再通過(guò)像素工具筆進(jìn)行手動(dòng)注釋和修復(fù)完整秸稈和土壤的細(xì)節(jié)，標(biāo)注出真實(shí)的秸稈和土壤。秸稈區(qū)域的像素值為1，背景像素為0。再對(duì)樣本圖像中其他干擾物體進(jìn)行手動(dòng)標(biāo)注。其次，將標(biāo)記好的圖像生成npy 格式類(lèi)型的文件，以備模型訓(xùn)練和測(cè)試。最后，將1 500 張圖像隨機(jī)打亂并劃分為1 200 張訓(xùn)練集圖像、150 張驗(yàn)證集圖像和150 張測(cè)試集圖像，各數(shù)據(jù)集之間相互獨(dú)立，無(wú)重復(fù)樣本。

4.1.2 交叉熵?fù)p失函數(shù)

本文在模型訓(xùn)練時(shí)選用的損失函數(shù)為交叉熵?fù)p失函數(shù)［20］。計(jì)算方法如下所示：

其中：M為類(lèi)別數(shù)；yi，c為符號(hào)函數(shù)，若第i個(gè)樣本的真實(shí)類(lèi)別等于c，則取1，否則取0；pi，c為第i個(gè)樣本的屬于類(lèi)別c的預(yù)測(cè)概率。交叉熵函數(shù)可以準(zhǔn)確得到不同模型預(yù)測(cè)效果的差異。

4.1.3 訓(xùn)練過(guò)程

從訓(xùn)練集中隨機(jī)選擇4 張圖像組成一組，并輸入到網(wǎng)絡(luò)以進(jìn)行前向傳播以預(yù)測(cè)像素類(lèi)別。將模型輸出的分割圖像與標(biāo)簽文件進(jìn)行比對(duì)以計(jì)算損失函數(shù)。采用隨機(jī)梯度下降方法進(jìn)行向后學(xué)習(xí)，確定最佳網(wǎng)絡(luò)參數(shù)：初始學(xué)習(xí)率為1×e-4，衰減系數(shù)為0.5。當(dāng)損失函數(shù)曲線匯聚和穩(wěn)定時(shí)，停止訓(xùn)練并保存訓(xùn)練模式。隨著迭代次數(shù)的增加，損失函數(shù)值逐漸下降，準(zhǔn)確性逐漸提高。

如圖5 所示，模型在最終迭代的損失函數(shù)值為0.216，從第97 次迭代開(kāi)始，后一次迭代的損失函數(shù)值與前一次迭代損失函數(shù)值之間的差值已經(jīng)小于0.001，損失函數(shù)圖像的斜率趨近為0，表明模型從第97 次迭代開(kāi)始趨于收斂。在訓(xùn)練初期，損失函數(shù)通過(guò)學(xué)習(xí)快速地降低，表明模型處于學(xué)習(xí)狀態(tài)；在訓(xùn)練中期，從第97 次迭代開(kāi)始，模型在訓(xùn)練集中的損失函數(shù)曲線趨于穩(wěn)定，表明該模型處于逐漸收斂的狀態(tài)；在訓(xùn)練后期，第150～200 次迭代期間，模型在訓(xùn)練集的損失函數(shù)曲線已經(jīng)保持平穩(wěn)，表明模型已經(jīng)穩(wěn)定收斂。

圖5 訓(xùn)練過(guò)程的損失函數(shù)值Fig.5 Plot of loss value during training

4.1.4 訓(xùn)練超參數(shù)設(shè)置

（1）優(yōu)化器：Adam；

（2）學(xué)習(xí)率（learning-rate）：初始學(xué)習(xí)率為1×e-4，衰減系數(shù)為0.5，最小值為1×e-8；

（3）批量大小（batch size）：2；

（4）訓(xùn)練迭代周期（epochs）：200；

（5）每周期步數(shù)（step per epoch）：300。

4.2 算法性能對(duì)比實(shí)驗(yàn)

算法處理計(jì)算機(jī)配置為：3.02 GHz Inter（R）Core（TM）i7-8700 處理器、16 GB內(nèi)存、NVIDIA GeForce GTX 1080顯卡；Windows10專(zhuān)業(yè)版操作系統(tǒng)，Pyhon3.6、TensorFlow10、Keras 環(huán)境下進(jìn)行訓(xùn)練和仿真實(shí)驗(yàn)。

4.2.1 評(píng)價(jià)指標(biāo)

為量化分析模型性能，本文采用語(yǔ)義分割的標(biāo)準(zhǔn)化評(píng)價(jià)指標(biāo)衡量模型在驗(yàn)證集與測(cè)試集的表現(xiàn)，主要包括平均交并比（Mean Intersection Over Union，mIoU）［21］和平均像素識(shí)別準(zhǔn)確率（Mean Pixel Accuracy，mPA）［21］。mIoU 用于評(píng)價(jià)模型總體目標(biāo)區(qū)域的分割準(zhǔn)確度，是預(yù)測(cè)區(qū)域與真實(shí)區(qū)域在像素層面的交集和并集之比，反映兩者之間的重合程度，定義如下：

其中：TP表示預(yù)測(cè)正確的秸稈像素?cái)?shù)量，F(xiàn)P是將背景預(yù)測(cè)為秸稈的像素?cái)?shù)量，TN為預(yù)測(cè)正確的背景像素?cái)?shù)量，F(xiàn)N是將秸稈預(yù)測(cè)為背景的像素?cái)?shù)量。

mPA 表示2 個(gè)預(yù)測(cè)類(lèi)別的平均像素識(shí)別準(zhǔn)確率，是評(píng)價(jià)模型像素預(yù)測(cè)精度的主要指標(biāo)，表示全部類(lèi)別中正確預(yù)測(cè)的像素平均比例，定義如下：

4.2.2 算法對(duì)比

本文采用不同算法對(duì)測(cè)試集中的圖像進(jìn)行了分割和分析，評(píng)估指標(biāo)包括mPA，mIoU 和參數(shù)量Parameters。

實(shí)驗(yàn)中，所有對(duì)比算法的迭代次數(shù)均設(shè)置為200。本文所提算法IU-Net 在第97 次迭代開(kāi)始收斂，在訓(xùn)練后期平穩(wěn)收斂。對(duì)比算法中Res-net未達(dá)到收斂狀態(tài)，其他算法均達(dá)到收斂狀態(tài)。由此表明對(duì)于秸稈圖像的訓(xùn)練過(guò)程，Res-net 模型相對(duì)于其他對(duì)比模型收斂速度稍慢。從圖6 中可看出，本文所提算法IU-Net 最終迭代時(shí)的mIoU 為80.05%，改進(jìn)前算法 UNET 的 mIoU 為76.61%，PSP-Net［22］，Link-net［23］，Res-net 和DSRA-Unet 的mIoU 分別為69.10%，63.45%，60.34%，66.56%。

圖6 不同算法的驗(yàn)證集測(cè)試結(jié)果Fig.6 Validation set test results of different algorithms

將本文提出的算法與其他算法進(jìn)行比較，結(jié)果如表1 所示?？梢钥闯?，U-Net 模型在驗(yàn)證集上的mIoU 為76.61%，mPA 為89.23%，但是模型參數(shù)略大；Link-Net 在該數(shù)據(jù)集上的性能表現(xiàn)一 般；DSRA-Unet［13］為使用深度可分離卷積的U-Net，其深度和卷積核尺寸均較小，最終mIoU為66.56，mPA 為89.52%；PSP-Net 采用金字塔池模塊，增大了特征提取能力，使得mIoU 提高至69.10%，mPA 為83.92%；Res-Net［18］上 的mIoU在最終迭代時(shí)達(dá)到60.34%，結(jié)果略低于其他對(duì)比算法，表明Res-Net 模型不太適用于秸稈圖像分割；DE-GWO 為傳統(tǒng)閾值分割算法［12］，它對(duì)含陰影等的復(fù)雜場(chǎng)景的檢測(cè)效果有限，mIoU 為72.50%，mPA 為85.37%。IU-Net 的驗(yàn)證集測(cè)試結(jié)果的mIoU 為80.05%，mPA 為91.20%，優(yōu)于相同訓(xùn)練條件下其他算法的檢測(cè)結(jié)果，具有最高的mIoU 和mPA，能夠保證良好的泛化能力。

表1 算法性能比較Tab. 1 Algorithm performance comparison

IU-Net 模型的訓(xùn)練集和測(cè)試集的平均交并比、平均像素識(shí)別準(zhǔn)確度和損失函數(shù)曲線如圖7所示。隨著迭代次數(shù)的增加，模型的損失函數(shù)值逐漸下降，平均像素識(shí)別準(zhǔn)確率和平均交并比逐漸升高。在訓(xùn)練的中后期，第150～200 次迭代期間，模型在訓(xùn)練集和驗(yàn)證集的損失函數(shù)曲線已經(jīng)保持平穩(wěn)，表明IU-Net 模型已經(jīng)穩(wěn)定收斂。在最終迭代時(shí)，模型的平均交并比為80.05%，平均像素識(shí)別準(zhǔn)確率為91.20%，損失函數(shù)值為0.216，優(yōu)于其他對(duì)比算法。

圖7 改進(jìn)的U-Net 語(yǔ)義分割模型的訓(xùn)練集和驗(yàn)證集測(cè)試結(jié)果Fig.7 Test results of improved U-Net semantic segmentation model on training and validation sets

4.2.3 消融實(shí)驗(yàn)

為了研究IU-Net 算法中各個(gè)模塊的作用，設(shè)計(jì)了4 個(gè)不同的網(wǎng)絡(luò)進(jìn)行效果對(duì)比，實(shí)驗(yàn)結(jié)果如表2 所示。第1個(gè)是U-Net 網(wǎng)絡(luò)，其mIoU 為76.61%；第2 個(gè)是U-Net 網(wǎng)絡(luò)與改進(jìn)的卷積塊的結(jié)合，其mIoU 為78.58%；第3 個(gè)是U-Net 與改進(jìn)注意力機(jī)制結(jié)合，其mIoU 為79.69%；第4 個(gè)是U-Net 與改進(jìn)的卷積塊和注意力機(jī)制結(jié)合。從表中可以看出，引入改進(jìn)的卷積塊和注意力機(jī)制后mIoU 和mPA 有了進(jìn)一步的提升，可以很好地平衡參數(shù)量和精度，mIoU 最高可達(dá)80.05%。

表2 消融實(shí)驗(yàn)結(jié)果Tab. 2 Ablation experiments results

5 秸稈覆蓋率檢測(cè)

5.1 評(píng)價(jià)指標(biāo)

為了更好地評(píng)價(jià)秸稈的覆蓋準(zhǔn)確率，本文使用預(yù)測(cè)秸稈覆蓋率RSCP、實(shí)際秸稈覆蓋率RSCT和秸稈覆蓋率誤差ESCR等來(lái)衡量算法性能［13］，其表達(dá)式分別為：

其中：H為圖片高度；W為圖片寬度；Pp為預(yù)測(cè)的秸稈像素點(diǎn)個(gè)數(shù)；Pt為真實(shí)的秸稈像素點(diǎn)個(gè)數(shù)。

5.2 秸稈圖像檢測(cè)

在不同場(chǎng)景下，IU-Net 算法以及其他算法的秸稈檢測(cè)結(jié)果如圖8 所示（彩圖見(jiàn)期刊電子版）。其中，白色代表秸稈，紅色代表房屋，綠色代表植被，藍(lán)色代表馬路，黃色代表農(nóng)機(jī)，黑色代表土壤。

圖8 田間秸稈圖像分割效果Fig.8 Segmentation result of field straw images

樣本1 是田間的常見(jiàn)場(chǎng)景，僅包含馬路和植被，由圖可以看出PSP-Net 檢測(cè)效果一般，不能明確分割出秸稈區(qū)域，Res-Net 對(duì)于田間場(chǎng)景的分割出現(xiàn)大量誤判。樣本2 是含有少量樹(shù)影的場(chǎng)景，可以看出Link-Net 對(duì)陰影遮蓋的秸稈區(qū)域檢測(cè)效果一般，DSRA-Unet 則可以檢測(cè)出小部分被陰影遮蓋的秸稈區(qū)域。樣本3 是含有大量樹(shù)影的農(nóng)田場(chǎng)景，可以看出其他方法均出現(xiàn)了較大面積的誤判，尤其是在道路、植被和樹(shù)影周?chē)?，而IU-Net 則可以排除出這些干擾信息，提高秸稈覆蓋率的檢測(cè)精度。

5.3 秸稈覆蓋率檢測(cè)

為了測(cè)試IU-Net 算法在秸稈分割中的檢測(cè)性能，本文使用7 種算法對(duì)19 幅田間圖像進(jìn)行了分割和檢測(cè)，各算法得到的秸稈覆蓋率預(yù)測(cè)值如表3 所示。其中，通過(guò)式（5）計(jì)算對(duì)比算法及本文提出算法的分割圖像的秸稈覆蓋率預(yù)測(cè)值，通過(guò)式（6）計(jì)算秸稈覆蓋率真實(shí)值，最后通過(guò)式（7）得到覆蓋率檢測(cè)誤差。

在19 幅田間圖像秸稈覆蓋率檢測(cè)實(shí)驗(yàn)中，將表3 中最接近真實(shí)值的結(jié)果用粗體示意。IU-Net算法在15 幅圖像上的秸稈覆蓋率檢測(cè)結(jié)果最接近真實(shí)值，表現(xiàn)最佳；原始U-Net 算法得到的結(jié)果有2 次最接近真實(shí)值，表現(xiàn)次之；DSRA-Net 與DE-GWO 都有1 次最接近真實(shí)值，表現(xiàn)再次之。

表3 秸稈覆蓋率檢測(cè)結(jié)果Tab. 3 Results of straw coverage rate detection

為進(jìn)一步統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果，將各算法在19 幅圖像上的誤差取平均值，得到平均秸稈覆蓋率誤差（Average of Straw Coverage Rate Error，AVGSCRE），并且統(tǒng)計(jì)單幅圖像的平均運(yùn)行時(shí)間（Singleimage Average Running Time，SART），通過(guò)上述兩個(gè)參量評(píng)估秸稈覆蓋率檢測(cè)效果，如表4所示。

表4 秸稈覆蓋率檢測(cè)評(píng)估結(jié)果Tab. 4 Evaluation results of straw coverage rate detection

檢測(cè)結(jié)果表明，PSP-Net 不適用于秸稈圖像的分割，大量的秸稈未被檢測(cè)出，其檢測(cè)結(jié)果誤差較大；Res-Net 的結(jié)果圖中大面積的土壤被誤判為秸稈，導(dǎo)致其檢測(cè)結(jié)果誤差較大，因此不適用于秸稈圖像的精準(zhǔn)分割；U-net，Link-Net，DSRA-Unet，DE-GWO 算法對(duì)秸稈覆蓋率檢測(cè)得到的平均誤差分別為3.80%，2.40%，2.00%，2.90%，均控制在4%以內(nèi)，單幅圖像的平均運(yùn)行時(shí)間分別為1.00，0.90，1.90，2.00 s。本文所提算法的平均秸稈覆蓋率檢測(cè)誤差為0.80%，單幅圖像的平均運(yùn)行時(shí)間為0.75 s。與其他算法相比，本文方法得到的平均秸稈覆蓋率檢測(cè)誤差更低，單幅圖像的運(yùn)行速度更快，能夠更精準(zhǔn)、快速地檢測(cè)秸稈覆蓋率，從而更高效地衡量秸稈的還田質(zhì)量。綜上所述，IU-Net 模型的分割結(jié)果最優(yōu)，能夠保障特征提取的有效性和全局特征的完備性，有效剔除樹(shù)影以及田內(nèi)其他干擾因素。

6 結(jié)論

為了適應(yīng)保護(hù)性耕作還田監(jiān)測(cè)的技術(shù)需求，本文提出了一種改進(jìn)的U-Net 語(yǔ)義分割算法對(duì)秸稈覆蓋率進(jìn)行檢測(cè)。通過(guò)Gception 在不增加計(jì)算量的同時(shí)拓寬視野，獲取高維特征；通過(guò)引入注意力機(jī)制提升對(duì)秸稈細(xì)節(jié)的關(guān)注，強(qiáng)化焦點(diǎn)特征；通過(guò)復(fù)雜卷積模塊保證全局特征的完備性和特征提取的有效性。在自標(biāo)注田間秸稈圖像數(shù)據(jù)集上進(jìn)行測(cè)試，結(jié)果表明，IU-Net 模型在保護(hù)性耕作田間秸稈圖像上的平均像素識(shí)別準(zhǔn)確率為91.20%，對(duì)比關(guān)閉注意力機(jī)制模塊的算法得到的平均像素識(shí)別準(zhǔn)確率提升1.75%；對(duì)比U-Net，PSP-Net，Link-Net，Res-Net，DSRA-Unet和DE-GWO 得到的平均像素識(shí)別準(zhǔn)確率，分別提升約1.97%，7.28%，3.50%，8.11%，1.68%和5.83%。IU-Net 模型在保護(hù)性耕作田間秸稈圖像上的平均交并比為80.05%，對(duì)比關(guān)閉注意力機(jī)制模塊的算法得到的平均交并比提升1.47%；對(duì) 比U-Net，PSP-Net，Link-Net，Res-Net，DSRA-Unet 和DE-GWO 得到的算法平均交并比，分別提升約3.44%，10.95%，16.60%，19.71%，13.94%和7.55%。實(shí)驗(yàn)表明，IU-Net能夠有效分割出樹(shù)影以及農(nóng)田里的其他干擾因素，從而在一定程度解決現(xiàn)有的保護(hù)性耕作地面秸稈覆蓋檢測(cè)效率低、誤差大、勞動(dòng)強(qiáng)度大及結(jié)果不理想等問(wèn)題。