Latent-space feature reconstruction-enhanced semantic segmentation for agricultural field roads under visual degradation
提出潜空间特征重建增强的语义分割方法，用于视觉退化下的农田道路提取。
← 主题
#语义分割
IIARD INTERNATIONAL JOURNAL OF GEOGRAPHY AND ENVIRONMENTAL MANAGEMENT·9月25日 · 周五63 分 论文遥感与农情监测智慧农业 / 农业物联网阅读 8
Multi-Target Remote Sensing Segmentation with Cross-Scale Attention for Urban-Ecological Intelligence
评估UNet、SegNet和TransU-Net在多目标遥感语义分割中的性能，用于城市与生态监测。
FusFormer: An efficient transformer-based semantic segmentation method for grafting excision point localization
提出FusFormer，一种基于Transformer的高效语义分割方法，用于嫁接切割点定位。
深度学习支持下地块尺度农田宜机化遥感评价方法
《农业工程学报》2026年第42卷第9期刊载华中师范大学等单位杨子恒、胡琼、吴尚岐、徐保东、蔡志文论文。DOI: 10.11975/j.issn.1002-6819.202510247。研究基于多源中、高分辨率遥感数据和深度学习语义分割算法,自动提取农田地块与道路等基础设施的空间分布信息,结合数字高程模型与水旱分布数据,从地块形状、规模、平整度以及道路通达度4个维度建立综合评价体系,以当阳市为研究区域。结果:语义分割模型农田地块与道路面积准确度分别达到0.92和0.79,边界匹配度0.85和0.86;研究区宜机化良好农田面积占比达67.3%,丘陵山区乡镇普遍面临道路通达度不足与地块平整度较差问题。
Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops(像素级可解释压力指数:田间作物病害严重程度量化的语义分割框架)
植物病害每年造成全球农业产量损失20%-40%、经济损失超2200亿美元。文章提出统一深度学习流水线,集成语义分割、基于回归的严重程度估计和病害分类,根据感染叶片面积比例将胁迫严重程度分为四档。在包含1641样本、六个类别的苹果树叶病害分割数据集上,采用MobileNetV2的U-Net表现最佳,像素准确率98.20%、mIoU 0.70、检测准确率99.41%、单张图像处理时间仅14.7毫秒,适合实时田间应用。计算出的严重程度指数与专家标注高度相关(r=0.968, R²=0.937),为自动化作物监测和决策支持提供可靠方案。[预印本]
A deep learning perception framework for farm digital twins: weed species classification, semantic segmentation, and gradient-based visual interpretability
Anusree Manoj, Aiswarya S. Kumar, S. Remya, Somula Ramasubbareddy, Yong Yun Cho提出一种面向农业数字孪生系统的深度学习感知框架,涵盖杂草物种分类、语义分割和基于梯度的视觉可解释性分析。