Tea-UNet茶园无人机影像语义分割算法研究
熊盛佳
叶智国
吴章云
吴传宇
福建农林大学机电工程学院 福建 福州 350002
摘要：针对传统方法在复杂地形和相似作物背景下难以精确识别茶园区域的问题,文章提出了一种基于增强编码器与多级特征融合的方法,旨在开发一种名为Tea-UNet的新型语义分割算法,专门用于从无人机获取的高分辨率影像中高效、准确地提取茶园区域.通过增强编码器,采用RepVit架构,结合深度可分离卷积和结构重参数化技术,在保持计算效率的同时增强了全局特征建模能力.此外,引入了基于Transformer的多级多尺度特征融合模块(MFT),通过多头交叉注意力机制实现复杂的特征融合,有效缩小了浅层与深层特征间的语义差距.解码器部分则设计了多级注意力引导的特征融合模块(MAF),通过连续的注意力机制更新,精炼特征表示,减少不相关信息干扰.实验结果表明,Tea-UNet模型在茶园区域提取任务上取得了显著的效果,不仅提高了分割精度,还增强了对细长或形状不规则目标的识别能力,该研究为茶园管理和可持续发展提供了强有力的技术支持.
关键词：语义分割无人机影像增强编码器多级特征融合茶园提取
资助基金：福建农林大学科技创新项目(KFB23162A)
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 17-22 )