第46卷第1期2023年1月测绘与空间地理信息GEOMATICS&SPATIALINFORMATIONTECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2022-01-17作者简介:齐建伟(1983-),男,河南开封人,讲师,硕士,2009年毕业于中国矿业大学大地测量学与测量工程专业,主要从事无人机测绘、3S技术应用方面的教学研究工作。基于U-Net++的烟草种植信息提取齐建伟(黄河水利职业技术学院,河南开封475004)摘要:以洛宁县为研究区,高分二号为数据源,利用U-Net++模型对研究区烟草进行提取。结果表明:基于U-Net++模型烟草提取的准确率、F1分数和Kappa系数相比于原始的U-Net模型提取精度分别从86.33%、73.86%和0.65提高到91.85%、80.13%和0.82。综上可知,本文提出的U-Net++网络模型在烟草提取中是可行的,为烟草信息的快速提取提供了技术支持。关键词:深度学习;语义分割;烟草;信息提取;高分二号中图分类号:P228文献标识码:A文章编号:1672-5867(2023)01-0100-03TobaccoPlantingInformationExtractionBasedonU-Net++QIJianwei(YellowRiverConservancyTechnicalInstitute,Kaifeng475004,China)Abstract:ThispapertakesLuoningcountyasthestudyareaandGF-2satelliteimagesasthedatasource,andusesU-Net++modeltoextracttobaccointhestudyarea.Theresultsshowedthattheaccuracy,F1scoreandkappacoefficientoftobaccoextractionbasedonU-Net++modelwereimprovedfrom86.33%,73.86%and0.65to91.85%,80.13%and0.82respectivelyascomparedwitho-riginalU-Netmodel.Tosumup,theU-Net++networkmodelproposedinthispaperisfeasibleintobaccoextraction,andprovidestechnicalsupportfortherapidextractionoftobaccoinformation.Keywords:deeplearning;semanticsegmentation;tobacco;informationextraction;GF-20引言烟草是中国重要的经济作物,烟草种植信息在生产管理过程中有着重要的作用,关系到政府的宏观调控和政策决议[1-2]。中国烟草生产和消费在世界上占有重要地位,但由于中国土地广阔,每个地区的地形条件又不同,这给烟草的精确监测带来巨大的困难。尤其在山区,烟草种植地块破碎、地物特征相似程度高,这就使得传统的烟草监测方法不再适用,并且很难实现对烟草的实时监测。近些年,遥感技术有着跨越式的发展,因其监测范围大、快速成像和多波段的特点,被广泛地应用于作物监测中[3-5],实地调查能够确保很高的精度,但是需要大量的人力和时间。近代遥感技术的出现,促使研究人员尝试将遥感技术应用于农业中,即农业遥感[...