农业机械学报

作者：杨蜀秦，宋志双，尹瀚平，张智韬，宁纪锋

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：农田作物分类;深度语义分割;无人机多光谱遥感影像;深度学习

基金：国家重点研发计划项目（2017YFC0403203）、中央高校基本科研业务费专项资金项目（2452019180）和陕西省重点研发计划项目（2020NY-098）

为精准获取农田作物种植分布信息以满足农业精细化管理需求，基于DeepLab V3+深度语义分割网络提出了一种面向无人机多光谱遥感影像的农田作物分类方法。通过修改输入层结构、融合多光谱信息和植被指数先验信息、并采用Swish激活函数优化模型，使网络在响应值为负时仍能反向传播。基于2018—2019年连续2年内蒙古自治区河套灌区沙壕渠灌域的无人机多光谱遥感影像，在2018年数据集上构建并训练模型，在2019年数据集上测试模型的泛化性能。结果表明，改进的DeepLab V3+模型平均像素精度和平均交并比分别为93.06%和87.12%，比基于人工特征的支持向量机（Support vector machine, SVM）方法分别提高了17.75、20.8个百分点，比DeepLab V3+模型分别提高了2.56、2.85个百分点，获得了最佳的分类性能，且具有较快的预测速度。采用本文方法能够从农田作物遥感影像中学习到表达力更强的语义特征，从而获得准确的作物分类结果，为利用无人机遥感影像解译农田类型提供了一种新的方法。

来源：2021年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第3期