基于多光谱航空图像的农田生长异常区域实时分割模型

来源：湖北农业科学杂志2024年第6期北京时间：

作者：胡海洋, 陈健, 张丽莲, 杨林楠

单位：云南农业大学大数据学院/云南省农业大数据工程技术研究中心/云南省绿色农产品大数据智能信息处理工程研究中心,昆明 650201

摘要：针对农田异常区域分割问题,采用特征融合跳跃连接模块和全局-局部注意力模块改进UNet网络模型,提出了一种农田异常区域实时分割网络,实现了对多种农田异常区域的精细分割。结果表明,农田生长异常区域实时分割模型的平均交并比（MIoU）明显优于其他模型,平均交并比为41.24%;相较于使用UNet作为基线的模型,虽然本研究模型的参数量略有增加,但农田分割效果明显提升,MIoU提高了4.16个百分点;与基于Transformer编码器的SegFormer模型相比,本研究模型的参数量基本相同,MIoU提高了2.50个百分点。本研究模型通过采用自适应采样训练方法确保在每个类别上都能取得出色的分割效果。利用多光谱航空图像训练农田生长异常区域实时分割模型,有助于实现无人机对农田生长进行实时监测、预警,推动智慧农业发展进程,为自动监测农田生长情况提供了新的方法和思路。

关键词：多光谱,农田生长异常区域,航空图像,UNet,DeepLabV3+,SegFormer

基金资助：云南省重大科技专项（202102AE090015; 202102AE090009）