农业机械学报

作者：冯权泷，张鑫虹，师宏大，牛博文，陈泊安，高秉博

单位：中国农业大学,中国农业大学,中国农业大学;北京宏福国际农业科技有限公司,中国农业大学,中国农业大学;武汉大学,中国农业大学,

关键词：固体废弃物;无人机遥感;场景识别;特征提取;弱监督学习;城乡结合部

基金：国家重点研发计划项目(2022YFB3903504)

针对当前固体废弃物在遥感影像中标注困难、特征复杂、边界提取精度低等问题，提出了一种基于弱监督学习的两阶段方法：第1阶段采用图像级标签数据集，在5种网络模型中进行对比实验，最后选择Swin Transformer作为特征学习模型。然后，采用梯度加权类激活映射图进行特征区域可视化，以得到热力图。随后融合自适应阈值法和色差法作用于热力图，获取固体废弃物粗轮廓。第2阶段采用DeepSnake模型进行优化以得到精细化轮廓。利用无人机多光谱遥感影像数据，对河北省廊坊市开发区内6个典型城乡结合地区进行实验。第1阶段，对5种网络模型进行测试，Swin Transformer优势显著，精确率93.8%、召回率95.0%、F1分数94.4%，同时通过注意力区域可视化对比也显示其识别效果最好；自适应阈值和色差法融合法的粗轮廓提取在二值化对比实验下显示出优势。第2阶段，精轮廓提取定量分析采用了COCO数据集的评价指标平均精度(Average precision,AP)进行评价，在IOU为0.5时，AP为91.3%；IOU为0.75时，AP为77.5%。同时，在1、2阶段轮廓提取的定性比较下，显示出DeepSnake的优化作用。实验结果表明：本研究能够利用图像级标签数据集精确识别提取固体废弃物，具有显著的精度优势，可为我国城乡生态环境治理等提供可行方法。

来源：2025年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第4期