广域作物种植种类解析技术

郭佳希1,2 姚竟发3,4 滕桂法1,2

1.河北农业大学信息科学与技术学院 2.河北农业大学河北省农业大数据重点实验室 3.河北软件职业技术学院 4.河北省高校智能互联装备与多模态大数据应用技术研发中心

摘要： 实时精准获取田间土地信息是农业管理部门有效落实种植计划与监管的重要手段与关键环节。为克服基于无人机影像的农田分类中面临的精度不足、边缘模糊以及效率低下等问题，融合无人机图像处理及深度学习技术，改进DeepLabV3+网络模型。首先引入轻量级网络MS—MobileNetV2替代原有主干，显著提升识别效率；其次集成ECANet模块，有效抑制背景干扰因素，使模型专注于作物信息的提取；最后调整ASPP的膨胀率，级联不同尺度的信息，增强特征抓取能力。选取蠡县周边农田作为研究区域，利用无人机正射影像构建数据集，进行对比试验。结果表明：所提方法在玉米、山药、荒地、乔木、菜地的分类精度上分别提高0.7%、1.15%、5.04%、2.59%、0.95%,并且减少87.8%的参数量和50.5%的训练用时。

关键词： 广域作物;无人机;深度分离卷积;编解码结构;特征融合;高效通道注意力

基金资助： 国家自然科学基金项目(U20A20180)； 河北省重点研发计划项目(21327405D)； 中国高校产学研创新基金资助课题(2021LDA10005)； 保定市基础研究专项项目(2472P016)

文章来源：《中国农机化学报》