焦油斑病是一种真菌疾病，出现在玉米叶片上的一系列黑色圆形斑点含有孢子，如图1。焦油斑已被证明是一种影响作物产量的病害。为了量化疾病的发展，专家们通常需要从视觉上对植物叶片进行表型分析。这一过程是非常耗时的，并且很难纳入任何高通量表型系统。深度神经网络可以提供快速、自动化的焦油斑检测，并具有足够的地面真实性。然而，手动标记图像中的焦油斑作为地面真实也是乏味和耗时的。

　　在本文中，我们首先描述了一种方法，使用自动图像分析工具生成地面真实图像，然后用于训练Mask R-CNN，如图2-3。图4-6结果证明了Mask R-CNN可以有效地用于检测叶片表面的特写图像中的焦油斑。此外，我们还表明，Mask R-CNN还可以用于整个叶片的现场图像，以捕捉焦油斑的数量和叶片受病害的面积。

　　图1 显示焦油斑病迹象的玉米叶片，叶子的表面覆盖着许多黑点。

　　图2 Mask R-CNN 工作流程。

　　图3 自动化焦油斑检测方法。

　　图4 焦油斑点由训练后的Mask R-CNN检测到。请注意，这些图像还显示了除焦油斑点以外的植物病害症状的存在，此外还有田间玉米叶上经常发现的小碎片。

　　图5 带有焦油斑点的叶子的完整图像很难手动或自动分析。Mask R-CNN模型捕获了最少数量的焦油斑点，而在Mask R-CNN上添加滑动窗口方法可以检测到更多数量的较小焦油斑点。

　　图6非常高的焦油斑密度的焦油斑检测。

　　来源：Baireddy S, Lee D Y, Gongora-Canul C, et al. Leaf Tar Spot Detection Using RGB Images[J]. arXiv preprint arXiv:2205.00952, 2022.

　　编辑：王春颖