【技术实现步骤摘要】
本专利技术属于农业遥感图像提取领域，涉及一种农作物深度学习提取方法，尤其涉及一种耦合时序与空间注意力机制的农作物提取方法和系统。
技术介绍
1、当前我国人口不断增长，对粮食的需求也越来越大，及时、准确地获取我国农作物的空间分布信息，对于农作物长势监测以及产量估算等具有重要意义。最早的农作物空间分布信息获取需要管理人员实地考察记录，该过程不仅繁琐复杂，且容易受到人为因素的影响，导致获取的农作物空间分布信息不准确。遥感技术具有范围广、时效性强和成本低等优势，为快速准确获取农作物空间分布信息提供了全新手段。
2、早期使用遥感技术对农作物的提取还是基于一些传统的方法，即首先进行候选区域的提取，然后通过人工的方式设计特征，最后使用分类器输出目标的类别和坐标。在提取候选区域的过程中，往往需要手工设置大量的滑动窗口，这极大地消耗了硬件和人力资源。此外，特征提取主要依赖农作物的颜色、轮廓、纹理等视觉信息，有很大的主观性。传统方法也难以有效提取农作物的特征，在应对复杂地物的农作物遥感图像时鲁棒性不足。
3、进入到21世纪，深度学习...
【技术保护点】
1.一种耦合时序与空间注意力机制的农作物提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的耦合时序与空间注意力机制的农作物提取方法，其特征在于，所述目标检测模型的训练过程包括：
3.根据权利要求2所述的耦合时序与空间注意力机制的农作物提取方法，其特征在于，对所述农作物遥感图像数据集进行预处理，具体步骤为：对农作物遥感图像进行分类，并生成标签，划分训练集、测试集和验证集。
4.根据权利要求1所述的耦合时序与空间注意力机制的农作物提取方法，其特征在于，所述基于U-Net的深度学习网络模型包括下采样模块、上采样模块和输出模块；...
【技术特征摘要】
1.一种耦合时序与空间注意力机制的农作物提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的耦合时序与空间注意力机制的农作物提取方法，其特征在于，所述目标检测模型的训练过程包括：
3.根据权利要求2所述的耦合时序与空间注意力机制的农作物提取方法，其特征在于，对所述农作物遥感图像数据集进行预处理，具体步骤为：对农作物遥感图像进行分类，并生成标签，划分训练集、测试集和验证集。
4.根据权利要求1所述的耦合时序与空间注意力机制的农作物提取方法，其特征在于，所述基于u-net的深度学习网络模型包括下采样模块、上采样模块和输出模块；所述下采样模块包括若干依次连接的下采样单元，每个下采样单元通过卷积层提取图像的深层次特征，再通过池化层降低分辨率，输出特征图；所述上采样模块包括若干依次连接的上采样单元，每个上采样单元对特征图进行上采样后，与对应的下采样阶段相同分辨率的特征图进行拼接，再通过卷积操作和relu激活函数细化和调整融合后...
【专利技术属性】
技术研发人员：邓劲松，包家臻，谢立建，尤淑撑，刘爱霞，张健华，郑瑜，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
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。