改进U-Net模型的保护性耕作田间秸秆覆盖检测

为了适应保护性耕作秸秆还田监测的技术需求，提出了一种改进的U-Net语义分割算法对秸秆覆盖率进行检测。首先，提出一种新的卷积模块代替原始U-Net框架中的卷积模块；其次，改进Inception结构，引入条纹池化和高效空间金字塔空洞卷积模块，形成新的Gception结构；最后，在模块中引入注意力机制。利用无人机采集田间地表图像，将改进的U-Net模型应用于自标注田间秸秆图像分割，与U-Net,PSP-Net,Link-Net,Res-Net,DSRA-Unet和DE-GWO算法进行对比实验，得到的平均交并比为80.05%，平均像素精确度为91.20%，覆盖率平均误差为0.80%。实验结果表明，改进U-Net模型的分割结果优于对比算法，能够保证特征提取的有效性和全局特征的完备性，有效剔除树影以及田内其他干扰因素。该模型适用于含有农机和树影等干扰的田间复杂场景，在大尺度图像中亦可获得较好的分割效果，可为大面积秸秆覆盖率检测提供技术支持。