农业机械学报

作者：李嘉豪，刘开东，柴子凯，宁纪峰，杨蜀秦

单位：西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;陕西省农业信息感知与智能服务重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,

关键词：玉米倒伏;数字表面模型;无人机遥感;生育期;语义分割;PIDNet

基金：陕西省自然科学基础研究计划项目(2022JM-128)

倒伏严重影响玉米的生长发育和产量形成，及时有效地监测玉米田间倒伏位置并确定倒伏区域，对生产补救、良种选育和受灾评估等工作具有重要意义。本文基于改进语义分割模型PIDNet融合数字表面模型蕴含的作物高度信息，提出一种基于无人机遥感的多生育期玉米倒伏监测方法。首先，基于吐丝期、乳熟期和腊熟期玉米的无人机遥感影像，将可见光图像与数字表面模型DSM图像进行融合并作为PIDNet模型的输入层，增强玉米倒伏区域的特征；其次，在PIDNet的积分分支中添加高效多尺度注意力(EMA)模块以提升网络聚合上下文信息、细节解析和边界监测的能力，增强模型对玉米不同生育期倒伏区域的识别能力，从而得到改进的PIDNet玉米倒伏监测模型。试验结果表明，本研究提出的融合DSM的EMA-PIDNet模型的平均像素精度(Mean pixel accuracy, mPA)和平均交并比(Mean intersection over union, mIoU)，在吐丝期分别为91.83%和83.94%，在乳熟期分别为91.66%和82.77%，在腊熟期分别为90.84%和82.64%。与代表性的模型U-Net、PSPNet、DeepLabv3+、UHRNet相比，提出的EMA-PIDNet模型在3个生育期的玉米倒伏区域监测表现均为最优。通过消融实验证明了PIDNet模型融合DSM高度信息和添加EMA模块的有效性。研究表明，通过融合DSM高度信息的方法能够更精准地监测玉米倒伏区域，EMA模块对于玉米多生育期倒伏的监测能力也有提升作用，为利用无人机遥感技术监测玉米倒伏提供了一种有效的方法。

来源：2025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2025年第11期