农业机械学报

作者：靳宁，孙林，张东彦，张选，李毅，姚宁

单位：山西能源学院,安徽大学,安徽大学;西北农林科技大学,新疆生产建设兵团第三师农业科学研究所,西北农林科技大学,西北农林科技大学,

关键词：棉花;种植地块提取;注意力机制;CBAM-U-HRNet模型;Sentinel-2

基金：山西省基础研究计划自然科学研究面上项目(202203021221231)

棉花是我国重要的经济作物和战略储备物资，及时、准确地获取棉花空间分布信息对于棉花产量预测、农业政策的制定与调整具有重要意义。针对高分辨率遥感影像获取难度大以及传统机器学习对特征信息利用不足的问题，本文以新疆南部地区图木舒克市为目标区域，提出一种以U-HRNet为基本框架，融合CBAM注意力机制的CBAM-U-HRNet棉花种植地块提取模型。选择U-Net、HRNet和U-HRNet作为对比模型，评估CBAM-U-HRNet模型在Sentinel-2(10m)和GF-2(1m)2种空间分辨率数据集上的表现以及在棉花地块提取的优势。结果表明，基于Sentinel-2遥感影像的CBAM-U-HRNet组合模型对棉花地块的提取精度最优，mIoU和mPA分别达到92.78%和95.32%。与Sentinel-2数据集相比，空间分辨率更高的GF-2数据在HRNet、U-Net和U-HRNet网络上取得了更高的精度。对于两种不同空间分辨率的数据集，基于CBAM-U-HRNet模型的棉花地块提取精度较为接近，表明CBAM-U-HRNet模型能够减少由于数据集空间分辨率不同导致的错分。与随机森林算法相比，CBAM-U-HRNet模型对棉花地块提取的准确率更高。研究结果可以为干旱地区棉花识别与种植地块快速提取提供技术支撑。

来源：2023年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第11期