来源：期刊VIP网 时间：
作者：李冬雪;李峰;赵梦洁;丁兆堂;马青平;
单位：聊城大学农业与生物学院;山东省气候中心;山东省农业科学院茶叶研究所;
摘要：鉴于茶园在卫星遥感图像中展现出复杂多变的纹理特征以及空间分布特性，在进行茶园识别时传统的识别手段难以有效应对这一挑战，本研究拟通过卫星遥感图像结合高精度语义分割技术实现茶园的精准识别。首先，利用日照市卫星图像，使用Labelme工具对茶园纹理信息进行精确标注，构建了茶园遥感图像数据集；基于该数据集，利用数据增强技术训练了Vgg-unet、Resnet50-unet和Segformer＿b2等7个语义分割模型用于茶园精准识别。结果表明，7个语义分割模型中，Segformer＿b2模型性能最好，茶园遥感图像分割准确率达91.29%,召回率91.09%,平均交并比(mIoU)84.45%,F1分数91.20%。为进一步提高Segformer＿b2模型在茶园遥感图像识别时的性能，引入了MCA(Multi-head Context Attention)注意力机制，并融合了条形卷积(Strided Convolution)以增强模型对茶园关键纹理特征的捕获能力和对图像局部细节的感知和处理能力。改进后的Segformer-b2模型的茶园遥感图像分割性能明显提升，其中准确率提升至91.31%,召回率提升至92.97%,mIoU提升至85.87%,F1分数提升至92.12%,可实现茶园遥感图像的高精度和高效率识别。本研究结果不仅可为未来茶园精准识别和管理提供有力支持，同时也展示了卫星遥感技术在农业领域的应用潜力。
关键词：卫星遥感影像;;茶园识别;;语义分割模型
基金资助：国家自然科学基金青年基金项目(32302607);; 山东省高等学校“青创团队计划”项目(2023KJ208);; 聊城大学风景园林学科开放课题(319462212)
