润色下面的中文表述使其表达更加简洁、逻辑性强、学术化。在气候室环境下利用DeepLab V3+模型进行马铃薯可见光与热成像分割时出现了严重的欠拟合问题经过多次调参与数据扩增后的模型分割性能仍旧没有改善这可能是由于基于ResNet-18的DeepLab V3+模型较为简单无法准确地捕获到马铃薯冠层特征。然而基于ResNet-50的Mask RCNN网络模型使用了较深的主干网络去提取图像特征且马铃薯的

在气候室环境中，使用DeepLab V3+模型进行马铃薯可见光和热成像分割时，出现了严重的欠拟合问题。尽管经过多次调参和数据扩增，模型的分割性能仍未得到改善。这可能是由于DeepLab V3+模型基于ResNet-18较为简单，无法准确捕捉马铃薯冠层的特征。相比之下，基于ResNet-50的Mask RCNN网络模型采用了更深的主干网络提取图像特征，而马铃薯的实际生长环境相对简单，因此采用Mask RCNN迁移学习方法可以获得更好的马铃薯冠层分割结果。