农业机械学报

作者：张宏鸣，高郑杰，沈寅威，唐恒翱，陈诺，阳光

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,西北农林科技大学,

关键词：土地覆盖;语义分割;深度学习;边缘检测;特征融合

基金：国家自然科学基金项目（42377341）、陕西省重点研发计划项目（2023-YBNY-217、2023-ZDLNY-69）、西安市科技计划项目（23NYGG0074）和陕西省秦创原队伍建设项目（2023-ZDLNY-69）

快速准确地进行目标区域的土地分割对于土地资源规划和利用具有重要意义，针对土地覆盖分割任务中存在的地物类型多样和边界区分不清晰的问题，本研究提出一种边缘增强的双分支语义分割网络地块识别方法（Edge-enhanced dual?branch net, E2DBNet），在编码器中设计了一种边缘增强模块，将影像中额外增强的精细化边缘信息引入语义分割模型中构成双分支网络，在解码器中通过特征聚合模块高效融合全局语义特征和局部边缘特征，同时自底向上跨层连接融合特征，强调关键空间位置来进一步细化局部细节。在构建的杨陵区土地覆盖分割数据集上进行训练和测试，对比实验结果显示，本文提出的E2DBNet在不同场景下均取得了最好的分割精度，交并比、F1分数分别为67.73%、93.25%，相较于对比的分割模型分别提升2.36、3.7个百分点，同时通过消融实验验证了各个模块的作用。E2DBNet在模型参数量较少的情况下，更好地关注了样本数少的地物类型，并精准预测出难分类别的主体，同时由于引入了增强的边缘信息，对各类地物之间边界区分更加清晰，为场景复杂的土地覆盖分割提供了有效的解决思路。

来源：2025年第10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10期