基于深度学习的无人机水田图像语义分割方法*

邓泓，杨滢婷, 2，刘兆朋，刘木华，陈雄飞，刘鑫

(1. 江西农业大学软件学院，南昌市，330045； 2. 江西省现代农业装备重点实验室，南昌市，330045；3. 江西农业大学工学院，南昌市，330045)

0 引言

获取准确的水田信息是开展精准农业实践的重要基础，对指导智能农机实施田间自主作业及准确测算农田面积等十分重要[1-3]。当前，水田信息获取主要通过人工携带专门设备到田块边界特征点进行位置数据采集，该方式工作效率低、时效性差。面向区域性、大面积场景下的水田信息获取，亟需一种快速、准确的获取方法。近年来，随着无人机产业的迅速发展，因其可通过挂接高分辨率相机实现较大区域图像信息的快速获取[4-6]，已成为区域性土地覆盖划分[7]、农作物识别与分类[8]和地块边界提取及面积测算[9]等研究中图像采集的重要手段。

在图像分割领域中，将边界与其他区域区分开是关键，目前的主流方法有面向对象的图像分割算法和基于深度学习的语义分割算法两大类[10-11]。面向对象的图像分割算法是基于边界区域与其他区域的颜色差异进行分割，应用在作物行检测[12]、田间道路检测[13]和地块边界检测[14]等方面获得了较好效果，但对光照变化敏感。为降低光照对图像分割的干扰，研究人员通过分析图像颜色在值域、空间域和频域的差异，研究了通过增强农作物颜色特征[15]、转换颜色空间[16]和提取光照不变特征[17]等方法增强边界特征，提高了光照适用性及准确性。

面向对象的……