基于改进Unet模型的无人机影像两阶段草地退化指示物种分类

针对退化指示物种植株体积小、草种间形态特征相似易造成混合像元等问题,根据所获取低空无人机数据,提出一种基于目标检测和语义分割的两阶段分类方法,其次对于分割模型进行轻量化改进。采用结构重参数化RepVGG网络替代Unet主干网络,在编码阶段导入高效通道注意力机制ECA,在下采样环节提升模型的特征提取能力,实现轻量化特征提取,块结构使用ESE模块,避免通道信息的损失。改进后的分割模型对于锡林浩特典型草原的冷蒿和银灰旋花两类草地退化指示物种有很好的分类效果,MIoU可以达到0.91,相比原始Unet模型提升0.11左右。实验结果表明:无人机数据以及两阶段分类方法可以很好地进行草地退化指示物种分类,提出的轻量化改进模型效果良好。