基于U-Net和超像素分割的烟株自动提取分析

作     者：杨威 黄亮 陈裕汉 夏炎 常军 YANG Wei;HUANG Liang;CHEN Yuhan;XIA Yan;CHANG Jun

作者机构：昆明理工大学国土资源工程学院昆明市650093 云南省高校高原山区空间信息测绘技术应用工程研究中心昆明市650093 滇西应用技术大学云南省大理市671006 自然资源部第一大地测量队西安市710054 

出 版 物：《烟草科技》 (Tobacco Science & Technology)

年 卷 期：2022年第55卷第4期

页      面：20-27页

核心收录：

学科分类：09[农学] 0904[农学-植物保护] 

基　　金：国家自然科学基金项目“南方山地城镇建设用地分布与变化的坡度梯度效应研究”(41961039) 云南省应用基础研究计划面上项目“基于全卷积神经网络的多源遥感影像变化检测”(2018FB078) 

主　　题：烟株 自动识别 深度学习 超像素分割 简单线性迭代聚类 

摘      要：为解决田间烟株自动识别和计数问题,基于U-Net和SLIC超像素分割,建立了一种烟株自动识别与计数的方法。首先通过训练语义分割网络U-Net提取烟田面积;然后构建过绿差值指数(Excess Green Difference Index,EGDI)去除杂草并提取烟株覆盖面;再使用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对烟草覆盖面进行分割;最后将分割出的烟株进行自动标记和计数。结果表明,采用U-Net网络对烟田面积提取得到的平均交并比(Mean Intersection over Union,MIoU)达到98.24%。运用该方法提取烟株的平均总体精度为99.21%,平均准确度为93.42%,表明该方法对烟株提取和计数具有可行性。