Multi-source feature fusion network for grape berry instance segmentation

Yao, Mingcheng

doi:10.25165/j.ijabe.20261902.10132

Multi-source feature fusion network for grape berry instance segmentation

2026-04-01

0

PRE

AI

DOI：10.25165/j.ijabe.20261902.10132

原文链接

原文求助

摘要

En 中文

准确界定葡萄果实边界对于表型测量和生长评估至关重要。本研究提出了一种多源特征融合网络（MFFNet），用于密集葡萄串中具有频繁重叠和模糊边缘的葡萄果实实例分割。MFFNet采用两个并行分支进行特征提取：一个Swin Transformer骨干网络用于捕捉层次化语义特征，以及一个边缘检测分支用于预测边缘概率图以提供边界线索。为解决单幅图像内显著的尺度变化问题，使用自适应空间特征融合（ASFF）增强了多级语义特征。边缘概率图被两次引入ASFF增强的多尺度特征中。首先，边缘线索被注入最高分辨率的融合特征图中，以加强葡萄串的全局边界感知。其次，在掩码生成过程中，边缘线索被重新引入每个候选实例区域内，以细化局部轮廓并改善粘连区域的分离。在宁夏银川采集的自建数据集上的实验表明，MFFNet实现了mAPbox和mAPmask均为93.4%的性能，优于包括Mask2Former和HTC在内的代表性基线模型。所提出的模型在葡萄果实严重重叠和边缘模糊的图像上表现稳定，支持实际葡萄生长监测。

Keyword:

grape berry

instance segmentation

edge detection

multi-source feature fusion

precision agriculture

Multi-source feature fusion network for grape berry instance segmentation

摘要

期刊

机构

引用论文