改进DeepLabv3+模型无人机图像农田信息提取

来源：计算机工程与应用杂志2023年第12期北京时间：

作者：陈雨情, 王修信

单位：1.广西师范大学 计算机科学与工程学院，广西 桂林 541004；2.广西多源信息挖掘与安全重点实验室，广西 桂林 541004；3.广西区域多源信息集成与智能处理协同创新中心，广西 桂林 541004

摘要：自乡村振兴战略实施以来，无人机作为一种高科技工具为我国智慧农业生产发挥着重要作用。但存在信息提取的精准度不高的问题，特别是对农田边缘和小农田的信息提取精度不高。针对该问题，提出一种以GhostNet为骨干网络的改进DeepLabv3+模型的研究方法。该方法将从骨干网络中提取的特征通过特征金字塔网络（FPN）加强特征提取；将编码器中空洞空间金字塔池化模块（ASPP）的1×1卷积替换成空间感知独立自注意层并将ASPP模块中的扩张率进行一定调整，以提高农田边缘的提取精度；为进一步融合多尺度信息将解码器进行上述同样操作；在不降低模型性能的前提下，将特征堆叠（Concatenate）用特征融合（Add）进行替换，以减少模型的训练参数。实验结果表明，改进DeepLabv3+模型平均交并比（mIoU）可达94.57%，平均像素精度（mPA）可达97.16%，相比于DeepLabv3+模型分别提高了4.53%和2.93个百分点，有效提高了农田边缘和小农田的信息提取精度。

关键词：无人机,农田信息,提取,改进DeepLabv3+,语义分割