MCC Net：一种用于水稻秧茎内部结构切割的类留意力增强多规范模型

  水稻秧茎内部结构参数对水稻成长检测、水稻选种、育种和损害查看具有极端重大意义。针对现有植物内部结构表征检测的新办法中存在的不行重复性和检测精度低的问题，本文提出了一种依据深度学习的水稻苗茎内部结构查验测验的非破坏性切割办法。咱们使用规范的X射线CT成像技能取得水稻苗茎的无损断层图画，然后规划一个以Unet为主干网络的类留意力增强多规范切割模型（MCC-Net）。具体来说，提出的MCC-Net首要由三个中心部分所组成：多规范卷积块（MCB）、坐标空间留意（CSA）模块和类留意增强（CAE）模块。MCB是编码器的首要组件，用于进步模型对内部结构中不同巨细区域的特征提取才能。CSA被嵌入到UNet越过衔接中，以增强有用特征的表达，并主动定位水稻禾苗茎部不同结构的区域。CAE旨在核算图画像素和类别之间的依靠联系，能够从类别的视点增强特征表达，纠正切割成果中的类别过错。试验依据成果得出，咱们提出的MCC-Net模型在自建的水稻苗茎CT图画数据集上的MIOU、均匀骰子系数和均匀精度分别为92.56%、96.33%和96.59%。与几个最先进的模型比较，咱们提出的模型在水稻禾苗的CT图画数据集上取得了更好的切割功能。