论文阅读：基于深度学习的保护性耕作下地面秸秆覆盖检测

主要内容：

利用无人机（UAV）低空遥感图像准确检测秸秆覆盖率。使用低空无人机获取保护性耕作农田的地面图像。在 ResNet18 上利用改进的 U-Net 建立了稻草覆盖的语义分割算法。该算法与VGG11–U-Net（以VGG11作为UNet提取模块的算法）、三角形算法（TRIANGLER）和“RGB、HSV和灰度+支持向量机（SVM）”（基于多色的算法）（基于多色空间信息融合结合SVM的算法）进行评估和比较。

优势：

残差神经网络修改的U-Net模型具有分割精度高、收敛速度快、图像特征自动抽象和分类、感受野和权重共享、参数少等特点。简化计算。

一、图像采集：

无人机	DJI，Phantom3 Advanced
高度	10米或30米
时间	5月份 7点-8点
天气	晴朗
分辨率	4000*3000（实际应用从图像中随机裁剪1312*992像素的小样本图像)