基于无人机数据的华南地区典型作物识别OA

华南地区作物种植,因受丘陵地形限制,存在地块破碎、嵌套种植现象。精确且快速获得作物种植信息,对农业精细化管理具有重要实践意义。基于此,以广州市番禺区典型作物种植基地为研究区,利用覆盖作物生长期的多期无人机遥感数据,构建了12040张512×512图像的训练样本,借助U-Net、PSP-net及DeepLabV3+深度学习模型开展生菜、苋菜、小白菜、水稻的识别研究。结果表明,随着作物生育期推进,作物叶面积覆盖度更高,3种模型对作物识别的精度也越高,后期较前期在交并比上平均提升6.15%。整体而言,U-Net的训练集与验证集精度均优于PSP-net和DeepLabV3+,尤其在平均交并比指标上,U-Net的训练与验证值分别为86.54%和86.00%,高于PSP-net(82.45%/83.09%)和DeepLabV3+(81.46%/83.23%)。此方法可有效应用于作物的识别,为农业可持续发展提供技术支撑,推动农业遥感监测向“数据—模型—决策”自动化分析的方向发展。