摘要:農(nóng)田作業(yè)區(qū)域地圖準(zhǔn)確構(gòu)建是實(shí)現(xiàn)農(nóng)機(jī)路徑規(guī)劃和導(dǎo)航作業(yè)的重要前提,。黃土高原梯田田塊大小各異,、形狀復(fù)雜多變,并且存在部分凹坑,、溝坎和諸多危險(xiǎn)作業(yè)邊界,,常用的衛(wèi)星測點(diǎn)等方法難以準(zhǔn)確地提取梯田作業(yè)區(qū)域,本文以無人機(jī)梯田遙感圖像為數(shù)據(jù)基礎(chǔ),,提出一種基于多尺度特征提取與融合上采樣的改進(jìn)TransUNet模型,。在編碼器部分,通過引入金字塔壓縮注意力模塊(Pyramid squeeze attention, PSA),,在通道注意力的基礎(chǔ)上增強(qiáng)對不同尺度梯田特征提取和融合的能力,,并使用殘差結(jié)構(gòu)優(yōu)化Transformer層;在解碼器部分,,引入Dual up-sample模塊將亞像素卷積層與雙線性插值上采樣兩者融合,,提升梯田邊界分割精度的同時(shí)防止棋盤效應(yīng),并在解碼器末尾添加通道和空間注意力機(jī)制模塊(Concurrent spatial and channel squeeze and channel excitation, SCSE),,同時(shí)對空間和通道維度的信息進(jìn)行整合增強(qiáng),,有助于圖像細(xì)節(jié)特征逐步恢復(fù),。實(shí)驗(yàn)結(jié)果表明,改進(jìn)TransUNet模型在直長條形,、蜿蜒長條形和不規(guī)則形3類典型梯田測試集上平均像素準(zhǔn)確率,、F1值和平均交并比平均分別達(dá)96.0%、96.0%和92.3%,,3項(xiàng)指標(biāo)相較于改進(jìn)前平均提升1.8個(gè)百分點(diǎn),,與代表性的PSPNet、HRNet V2,、DeepLab V3+,、U-Net模型相比,3項(xiàng)指標(biāo)平均提升8.3,、6.2,、5.0、4.2個(gè)百分點(diǎn),。在3類單塊梯田測試集上,,本文模型表現(xiàn)最優(yōu),像素交并比平均可達(dá)97.0%,。本文方法可為黃土高原梯田環(huán)境地圖構(gòu)建和丘陵山地農(nóng)機(jī)導(dǎo)航作業(yè)提供參考,。