一种基于弱监督语义分割的稀疏样本农作物制图方法技术

技术编号:43850872 阅读:54 留言:0更新日期:2024-12-31 18:43
本发明专利技术公开了一种基于弱监督语义分割的稀疏样本农作物制图方法,获取研究区内的月合成时序反射率数据;获取研究区内的稀疏点状农作物标签,对月合成时序反射率数据进行处理获取影像边缘标签;构建时序语义分割模型;构建多任务弱监督学习网络,构建总损失函数,对时序语义分割模型和多任务弱监督学习网络进行训练;获取待预测区域的月合成时序反射率数据、影像边缘标签、以及稀疏点状农作物标签,利用时序语义分割模型和多任务弱监督学习网络,获得待预测区域的所有样本点的最终农作物类别。本发明专利技术与传统方法相比,在不同作物类别分类中表现更优,每种作物的F1‑score均显著提升。

【技术实现步骤摘要】

本专利技术涉及农业遥感地物信息提取,具体涉及一种基于弱监督语义分割的稀疏样本农作物制图方法,用于稀疏小样本农作物制图。


技术介绍

1、人口的日益增长极大的增加了粮食需求。然而,盲目的耕地扩张和耕作强度提升可能对生态环境造成不利影响。因此,如何有效权衡粮食生产和生态环境保护以实现农业可持续发展至关重要。及时掌握农作物空间分布信息对于评估粮食产量、制定农业生产政策、优化农业资源分配是实现可持续农业的关键。传统的农作物空间分布信息获取主要通过普查人员实地调研。然而,高昂的资金和人力的投入成本,导致普查数据更新周期长、实效性差,难以满足实际需求。

2、遥感卫星技术的快速发展为大尺度农作物自动化高效识别提供了有效手段。现有遥感制图研究多通过阈值法或机器学习去挖掘农作物生长阶段的独特物候特征,以区分不同的农作物类别。其中,阈值法基于物候先验知识,利用单一或多时期遥感影像特征构建分类决策规则和阈值进行农作物识别。然而,阈值方法往往局限于单个时期的光谱特征,难以有效应对因气候、地形、土壤条件和农业实践差异引起的物候偏移问题。相比之下,机器学习方法,如决策树、随本文档来自技高网...

【技术保护点】

1.一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,所述步骤S1中月合成时序反射率数据基于以下步骤获得:

3.根据权利要求1所述一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,所述步骤S2中影像边缘标签基于以下步骤获得:

4.根据权利要求1所述一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,所述步骤S3中时序语义分割模型包括多尺度空间特征编码器,时间特征编码器,以及多阶段特征解码器,

5.根据权利要求4所述一...

【技术特征摘要】

1.一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,所述步骤s1中月合成时序反射率数据基于以下步骤获得:

3.根据权利要求1所述一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,所述步骤s2中影像边缘标签基于以下步骤获得:

4.根据权利要求1所述一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,所述步骤s3中时序语义分割模型包括多尺度空间特征编码器,时间特征编码器,以及多阶段特征解码器,

5.根据权利要求4所述一种基于弱监督语义分割的稀疏样本农作物制图方法,其特征在于,所述空洞空间金字塔池化模块包括三个空洞卷积模块和一个池化模块,联合注意力机制模块包括通道注意力模块和空间注意力模...

【专利技术属性】
技术研发人员:胡琼蔡志文吴浩吴文斌
申请(专利权)人:华中师范大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1