气候室内马铃薯冠层图像分割的挑战与Mask RCNN算法的应用

本实验采集的气候室内马铃薯冠层图像受到金属框架、地面和大量杂物的干扰，光源垂直照射时会出现不规则的高光和阴影。此外，作物逆境胁迫导致冠层呈现不均匀的绿色或黄色，加大了图像分割的难度。热成像分辨率低，马铃薯冠层边界不够清晰。传统的图像分割算法在背景复杂、光照和色彩条件不均匀的情况下不准确。

采用Mask RCNN算法，利用ResNet-50作为主干网络，引入ROIAlign模块，能够在复杂光照与生长环境下，准确地检测出可见光图像和热成像中的马铃薯冠层区域，且具有较强的泛化能力。