基于U-Net 神经网络的禽翅图像分割方法

作者：冯科, Xiaowen Wu · 发表于：人工智能学刊 · 年份：2026 · DOI：10.71411/ai.2025.v1i1.1133 · 被引用次数：1 · 研究领域：Advanced Neural Network Applications、Advanced Computing and Algorithms、Image and Video Stabilization

以家禽为研究对象，提出一种基于U-Net 神经网络的禽翅图像分割算法。采集家禽样本图像，经预处理、归一化后，建立家禽图像数据集。先将家禽图像进行卷积和池化，对特征图通过反卷积操作进行上采样，再把上采样结果和对应大小的下采样结果进行融合，从而实现家禽图像语义分割；采用分割精度（ACC）、Dice 系数、交并比（IOU）3 种指标判断网络的分割性能。山鸡、芦花鸡、麻鸭和大石鸡家禽在评估指标上结果与乌鸡类似，乌鸡试验结果表明：U-Net 分割禽翅图像ACC、Dice 系数、IOU 分别为93.64%，87.52%，81.24%。对比3种经典图像语义分割方法SegNet、FCN-16s、FCN-8s，U-Net 的交并比（IOU）较上述3 种方法分别高出15.83%、8.89%、8.12%，Dice 系数高出上述3 种方法8%左右，分割精度（ACC）分别提高了6.7%、3.12%、2.57%，且U-Net 在分割时间上较其他3 种方法较优，平均运行时间达到0.13s 左右，比次优的SegNet 方法缩短50ms左右。