近日，我院人工智能与计算摄影科研团队在计算机与电子信息农林科学领域应用的Top期刊《Computers and Electronics in Agriculture》（中科院一区，影响因子：6.757）发表题为《基于两阶段DeepLabv3+与自适应损失的复杂场景苹果叶片病理图像分割新方法》（《A novel approach for apple leaf disease image segmentation in complex scenes based on two-stage DeepLabv3+ with adaptive loss》的研究成果。

该研究以我校为第一完成单位，由朱世松、马婉丽、卢姜文、王春阳、王建龙等师生共同完成。该成果主要针对复杂环境中重叠叶片和不均匀的光线、背景区域和目标区域之间的像素比例不平衡等使叶片边缘的像素难以识别、破坏病斑分割精度等问题，提出一种新的两阶段DeepLabv3+与自适应损失方法。所提出的自适应损失在交叉熵损失中引入一个调制因子，可以减少易分类像素所产生的损失的权重，从而允许模型在学习过程中更多地关注难分类的像素，进而提高分割精度。本研究所提算法可为复杂环境下的苹果叶片病理图像分割提供一个有效的解决方案，并且具有较低的计算成本。该工作得到了国家自然科学基金（41871333，62201201）、河南理工大学自然科学基金（B2022-15）等项目的资助。