中科賽諾—耕地地塊識別

精確的耕地地塊識別和分割在農業生產中有非常重要的意義，傳統的解決方法主要依靠遙感影像的光譜分析來做地塊識別，對數據要求高，前期需要采集大量的樣本數據，不同地區的同種作物需要重復采集，且識別的精度不高。

多光譜遙感圖像

中科賽諾應用飛槳深度學習開源框架中的 PaddleSeg 圖像分割開發套件對農業遙感數據進行處理，提取耕地面積，從而輔助相關部門和從業者進行估產。

技術方案 

方案思路

• 優選模型，注重預測精度

在地塊分割這一場景中，更著重于預測精度，因此模型選型采用 DeepLabv3+和 Xcep-tion65骨干網絡的組合。

• 四通道圖像增強數據信息

為彌補普通 RGB 圖像的不足，PaddleSeg 可以支持四通道光譜照片訓練，除了 RGB 三個圖像通道，額外拼接 NIR(近紅外通道)，最后生成四通道的圖片。

• 訓練調優實現精度提升

通過在配置文件中配置讓模型支持四通道的圖片格式，基于 DeepLabV3+ 模型對地塊圖片進行訓練，學習近紅外(NIR)的光譜反射特征鑒別植被信息，對最終地塊分割精度能帶來 5% 的提升，達到 90%。

DeepLapv3+網絡結構圖

上線效果 

中科賽諾將算法上線后，相對傳統方法取得了一系列優化。

• 耕地地塊識別準確率提高至 90%以上。
• 模型適應性強，即使區域變化也不需重新采集數據，大大減少了人力投入，將地塊信息采集和分析變得簡單。
• 通過對遙感影像耕地信息智能提取，實現了農業遙感數據實時監測分析。
• 對作物病蟲害分析，識別精度達到 90% 以上。

耕地地塊識別示意圖

企業簡介

中科賽諾成立于 2014 年，秉承“科技服務三農、數據創造價值”的理念，在國家 863、973 計劃支持下，基于衛星 + 氣象 + 地面光譜 + 作物模型對作物實時 CT 監測、預測、決策，打造全維度、高精度精準農業數字地圖應用引擎平臺。