基于深度学习的无人机遥感小麦倒伏面积提取

作者：申华磊; 苏歆琪; 赵巧丽; 周萌; 刘栋; 臧贺藏

来源：农业机械学报, 2022, 1-19.

• 小麦
• 无人机遥感
• 倒伏面积提取
• 深度学习

为及时准确地提取小麦倒伏面积，提出一种融合多尺度特征的倒伏面积分割模型Attention＿U~(2)-Net。该模型以U~(2)-Net为架构，利用非局部注意力（Non-local attention）机制替换步长较大的空洞卷积，扩大高层网络感受野提高不同尺寸地物识别准确率；使用通道注意力机制改进级联方式提升模型精度；构建多层级联合加权损失函数，用于解决均衡难易度和正负样本不均衡问题。Attention＿U~(2)-Net在自建数据集上采用裁剪方式提取小麦倒伏面积，查准率为86.53%，召回率为89.42%，F1值为87.95%。与FastFCN、U-Net、U~(2)-Net、FCN、SegNet、DeepLabv3等模型相比，Attention＿U~(2)-Net具有最高的F1值。通过与标注面积对比，Attention＿U~(2)-Net使用裁剪方式提取面积与标注面积最为接近，倒伏面积准确率可达97.25%，且误检面积最小。实验结果表明，Attention＿U~(2)-Net对小麦倒伏面积提取具有较强的鲁棒性和准确率，可为无人机遥感小麦受灾面积及评估损失提供参考。

• 单位
  河南师范大学; 河南省农业科学院农业经济与信息研究所