润色下面的中文表述使其表达更加简洁、逻辑性强、学术化。针对测试集基于DeepLab V3+、SegNet、FCN-8s 3种迁移学习模型的苜蓿检测结果如表2-1所示结果表明DeepLab V3+模型的苜蓿分割效果最好该模型的ACC为095分别比SegNet、FCN-8s模型高013、009结果表明牧草图像中大部分的苜蓿已经被准确分割。DeepLab V3+模型的IOU为073分别比SegNet、F

本研究评估了DeepLab V3+、SegNet和FCN-8s三种迁移学习模型在苜蓿检测方面的表现。测试结果表明，DeepLab V3+模型在苜蓿分割方面表现最佳，ACC达到0.95，比SegNet和FCN-8s模型分别高出0.13和0.09。该模型的IOU为0.73，比SegNet和FCN-8s模型分别高出0.16和0.13。尽管三种模型的ACC值均较高，但IOU值较低，说明仍有部分禾本草被误判为苜蓿。