A data-and knowledge-driven cropland parcel recognition method based on segment anything model (SAM)

Geng, Qing

doi:10.1016/j.jag.2026.105442

A data-and knowledge-driven cropland parcel recognition method based on segment anything model (SAM)

2026-06-01

0

PRE

AI

DOI：10.1016/j.jag.2026.105442

原文链接

原文求助

摘要

En 中文

在现代农业生产实践中，农田地块信息是农业生产管理不可或缺的基础。然而，遥感影像数据集的手动标注耗时且劳动密集。传统模型倾向于关注像素级分割，而忽略了农田地块的精细边界特征。为解决这些挑战，本研究首先利用分割任意模型（SAM）基于多源遥感影像和第三次全国土地调查（TNLS）数据生成农田地块标签样本。采用形态学处理和纹理特征筛选来提升伪标签质量。随后，我们提出一种多任务智能农田地块提取模型——挤压-激励多任务解码器网络（SE-MTDNet）。该模型在RGB通道中添加归一化植被指数（NDVI）通道以提取层次特征。引入空洞空间金字塔池化（ASPP）模块和通道注意力以聚合多尺度上下文信息。在解码器中采用多任务联合训练以避免过度依赖单一结果。实验结果表明，SE-MTDNet显著提高了农田地块识别的准确性和边界清晰度。在夏县，SE-MTDNet实现了总体分类精度94.25%、交并比（IoU）88.67%和F1分数92.76%。此外，该模型在吕宋县进行的迁移验证中也优于其他对比模型。消融实验进一步证实，关键模块和NDVI特征对提升农田地块分割精度具有显著贡献。我们的方法为高精度、自动化的农田地块识别提供了宝贵见解。

Keyword:

Data-and knowledge-driven

Segment anything model

Automatic sample labeling

Deep learning

Cropland parcels recognition

A data-and knowledge-driven cropland parcel recognition method based on segment anything model (SAM)

摘要

期刊

机构

引用论文