利用边缘辅助分割网络提取稻虾共作养殖田

为确保稻虾共作的安全生产、社会供应以及政府政策的有效制定,须准确获取稻虾共作种植面积、空间分布及变化信息。现有稻虾养殖田提取方法以中分辨率时序影像为数据源,提取结果存在边界粗糙且噪声较多等问题。为获取精度高、边界规整的稻虾养殖田提取结果,该研究以高分辨率影像为数据源,提出一种基于边缘辅助任务的深度学习语义分割模型——edge assisted segmentation network(EASNet)。该模型首先将稻虾养殖田特有的边缘“虾沟”作为一种辅助信息在设计的边缘辅助模块单独分割,然后将该模块的输出与主任务分割模块输出进行融合,使主任务既增强了稻虾养殖田边界结构信息,又能学习到稻虾养殖田特有的空间及语义信息。试验结果表明,在边缘辅助模块的增强下,稻虾养殖田分割结果更完整,边界更清晰,其语义精度的交并比和边界精度的F1分数分别提升了1.5%、5.8%。整体语义精度的召回率、交并比、F1分数分别达到0.970、0.964、0.930,边界精度的召回率、F1分数达到0.864、0.859,松弛边界精度的召回率、F1分数达到0.876、0.913。将训练好的EASNet模型应用到盱眙县全域,得到2020年盱眙县稻虾养殖田空间分布图,在与传统的水体季相差异法、随机森林方法提取的稻虾养殖田结果的对比中,该方法取得了总体精确度为96.71%及Kappa系数为0.934的最优结果,为基于深度学习的稻虾养殖田提取方面的应用提供参考。