润色下面的中文表述使其表达更加简洁、逻辑性强、学术化。基于Mask RCNN迁移学习模型的气候室内顶置光条件下马铃薯冠层分割结果如表2-3所示无论是RGB图像还是热成像训练集、验证集与测试集的ACC均较为接近且3个数据集IOU也相差不大Mask RCNN展现出了非常稳定的马铃薯冠层分割性能对于测试集可见光图像和热成像的IOU均达到了087。

使用Mask RCNN迁移学习模型进行气候室内马铃薯冠层分割，结果如表2-3所示。训练集、验证集和测试集的ACC表现相近，IOU的差异不大，表明Mask RCNN在该任务上具有稳定的性能。尤其是在测试集上，可见光图像和热成像的IOU均达到了0.87。

原文地址: https://www.cveoy.top/t/topic/brjx 著作权归作者所有。请勿转载和采集!