润色下面的中文表述使其表达更加简洁、逻辑性强、学术化。表2-2列出了测试集中120幅马铃薯冠层图像的分割结果可见G-R颜色分量差值算法获得了可接受的分割精度IoU为088比DeepLabv3+迁移学习模型低002然而该算法对图像的处理时间更短平均每幅图像的分割时间仅为002 s。综合考虑分割精度、图像处理时间与数据处理工作站的性能本研究选用G-R颜色分量差值算法进行田间自然光照条件下马铃薯冠层图像

表2-2展示了120幅马铃薯冠层图像的分割结果。G-R颜色分量差值算法表现出令人满意的分割精度（IoU为0.88），且比DeepLabv3+迁移学习模型略低0.02。然而，该算法处理时间更短，每幅图像的平均分割时间仅为0.02秒。综合考虑分割精度、图像处理时间以及数据处理工作站的性能，本研究选择了G-R颜色分量差值算法用于田间自然光照条件下马铃薯冠层图像的分割。