基于深度学习的无人机水田图像语义分割方法

来源：中国农机化学报杂志2021年第10期北京时间：

作者：邓泓, 杨滢婷, 刘兆朋, 刘木华, 陈雄飞, 刘鑫,

单位：江西农业大学软件学院;江西省现代农业装备重点实验室;江西农业大学工学院;

摘要：为高效获取水田信息提高精准农业应用水平,提出一种基于深度学习的无人机水田图像语义分割方法。首先,采集无人机水田图像并制作一套高分辨率水田数据集,使用双边滤波去除图像噪声;然后,通过调整编码器获取更为细致的田块边界特征信息;最后,改进解码器融合更多浅层特征并采用深度可分离卷积解耦图像深度信息与空间信息,获得改进网络结构的DeepLabv3+模型。试验结果显示,改进模型的像素精度和平均交并比分别为96.04%和85.90%,与原始模型相比提升2.09%和4.66%;与典型的UNet、SegNet和PSPNet语义分割模型相比,各项指标均有不同程度的提高。本文方法能够实现准确、高效的水田分割,为进一步获取水田边界定位信息和构建高精度农田地图提供重要基础。

关键词：精准农业,农田边界,语义分割,水田,无人机

基金资助：国家自然科学基金(31971799) 江西省重点研发计划(911064175061) 江西省教育厅科学技术研究项目(GJJ190205)