简介这份PDF文献面向农业遥感、深度学习方向的研究生与科研人员聚焦传统遥感分类时效差、依赖人工经验、成本高等痛点提出以Sentinel-2影像为基础的深度学习农作物种植区域分类方案。资源包共1个PDF文件大小约2.3MB内容为期刊论文全文涵盖大气校正、几何校正等预处理流程人工目视解译标注方法以及图像分割网络的训练与测试细节实验结果显示检测准确率达89.20%、召回率79.22%明显优于传统方法。目前已有180人学习适合作为农业监测、资源管理、环境监测等课题的参考文献与专业指导也可为其他作物种植区域分类研究提供可复用的技术思路与实验对照依据。1. 从一张花生田的卫星图说起遥感图像分类到底难在哪拿到一张高分辨率遥感影像想自动圈出哪里种了花生这件事听起来像是「深度学习图像分类」的常规操作但真正做过农业遥感的人都知道它和识别猫狗完全不是一回事。花生种植区域分类的核心难点在于同一块地里花生、玉米、大豆在可见光波段下长得几乎一样都是绿色作物光谱曲线高度重叠而遥感图像又是俯视视角没有纹理细节可依赖模型很容易把花生田误判成其他作物。更麻烦的是遥感图像的标注成本极高需要农学专家结合地面调查才能确定地块边界这就导致训练样本往往只有几百到几千个像素级标注远少于常规深度学习任务。这个方向适合谁如果你手上有无人机多光谱影像或 Sentinel-2 这类公开卫星数据想用深度学习做作物精细分类或者你正在做农业遥感相关的毕设、项目需要一套从数据预处理到模型部署的完整思路那这篇内容就是为你写的。我会把「遥感图像花生种植区域分类」拆成可复现的步骤包括波段选择、样本制作、模型选型、训练参数和推理后处理同时把我在实际项目中踩过的坑讲清楚。深度学习在这里不是万能药但用对了方法它确实能把花生种植区提取的精度从传统 NDVI 阈值的 70% 左右拉到 90% 以上。2. 数据准备从原始影像到能喂给模型的样本2.1 波段组合与指数计算为什么不能只用 RGB遥感图像分类和普通图像分类最大的区别在于波段。花生种植区域分类如果只用 RGB 三通道模型能拿到的信息非常有限因为不同作物在可见光波段的反射率差异很小。我一般会优先使用多光谱数据至少包含近红外NIR波段然后计算归一化植被指数NDVI和归一化差异水体指数NDWI作为额外通道。NDVI 对植被覆盖度敏感能区分花生和其他作物的生长阶段差异NDWI 则能排除水体或湿润土壤的干扰。具体操作上如果你用的是 Sentinel-2 L2A 数据波段 4红、波段 8近红外是必选的波段 3绿和波段 11短波红外可以作为补充。下面这段 Python 代码演示了如何用 rasterio 读取多波段影像并计算 NDVI然后堆叠成一个多通道数组import rasterio import numpy as np def load_and_stack(image_path, red_band4, nir_band8, green_band3): 读取多光谱影像计算 NDVI并堆叠为多通道数组。 red_band/nir_band/green_band: 波段索引从1开始计数。 返回 shape 为 (H, W, C) 的数组C 原始波段数 1 (NDVI)。 with rasterio.open(image_path) as src: red src.read(red_band).astype(np.float32) nir src.read(nir_band).astype(np.float32) green src.read(green_band).astype(np.float32) # 避免除零NDVI 计算 ndvi (nir - red) / (nir red 1e-8) # 堆叠绿、红、近红外、NDVI stacked np.stack([green, red, nir, ndvi], axis-1) return stacked # 调用示例 data load_and_stack(sentinel2_clip.tif) print(data.shape) # 例如 (512, 512, 4)这段代码的关键参数是red_band和nir_band不同传感器的波段编号不同Sentinel-2 的 8 波段是 NIRLandsat 8 的 5 波段是 NIR用之前一定要查清楚。NDVI 计算时加了1e-8防止除零这是个小细节但能避免整幅影像出现 NaN。堆叠后的通道顺序建议固定下来训练和推理保持一致否则模型会学乱。2.2 样本标注遥感图像标注的坑与技巧遥感图像标注和普通图像标注最大的区别是你标注的不是单个像素而是地块。花生种植区域通常以地块为单元边界不规则而且不同地块之间可能有道路、沟渠隔开。我一般会用 QGIS 或 ArcGIS 先画多边形然后导出为 GeoJSON 或 Shapefile再栅格化成掩膜。标注时要注意三点第一地块边界要尽量贴合实际不要为了省事画成矩形否则模型学到的边界特征会失真第二样本要覆盖不同生长阶段花生苗期、花期、结荚期的光谱差异很大如果只标一个时期的影像模型泛化能力会很差第三负样本要足够多样不能只拿玉米地当负样本还要包括裸土、水体、建筑、其他作物。下面是一个把 GeoJSON 多边形转成二值掩膜的代码示例import geopandas as gpd import rasterio from rasterio.features import rasterize import numpy as np def geojson_to_mask(image_path, geojson_path, output_mask_path): 将 GeoJSON 中的多边形栅格化为与影像同尺寸的二值掩膜。 花生地块为1背景为0。 with rasterio.open(image_path) as src: transform src.transform out_shape (src.height, src.width) # 读取 GeoJSON gdf gpd.read_file(geojson_path) # 栅格化注意 gdf.geometry 的坐标系要与影像一致 mask rasterize( [(geom, 1) for geom in gdf.geometry], out_shapeout_shape, transformtransform, fill0, dtypenp.uint8 ) # 保存掩膜 with rasterio.open(output_mask_path, w, driverGTiff, heightout_shape[0], widthout_shape[1], count1, dtypenp.uint8, transformtransform) as dst: dst.write(mask, 1) return mask # 调用 mask geojson_to_mask(sentinel2_clip.tif, peanut_fields.geojson, peanut_mask.tif)这里最容易翻车的地方是坐标系。GeoJSON 如果是 WGS84 经纬度而影像投影是 UTM直接栅格化会错位到十万八千里。我一般会先用gdf.to_crs(src.crs)统一坐标系再执行栅格化。另外rasterize的fill0表示背景为 0dtype用uint8节省内存这些参数在样本量大时很关键。2.3 数据增强小样本下的必备操作遥感图像分类的样本量通常不大数据增强是必选项。但要注意遥感图像不能随便用翻转、旋转因为地物有方向性比如农田的垄向、道路的走向随机旋转会破坏这些空间特征。我一般会用以下增强方式随机裁剪从大图中裁 256x256 小块、随机亮度调整模拟不同光照、随机波段噪声模拟传感器噪声、以及水平翻转这个对遥感图像相对安全因为地物在水平方向上的分布通常没有严格方向性。下面是一个用 Albumentations 做增强的示例import albumentations as A transform A.Compose([ A.RandomCrop(height256, width256, p1.0), A.HorizontalFlip(p0.5), A.RandomBrightnessContrast(brightness_limit0.1, contrast_limit0.1, p0.5), A.GaussNoise(var_limit(0.001, 0.005), p0.3), ]) # 假设 image 是 (H, W, C) 的 numpy 数组mask 是 (H, W) 的标签 augmented transform(imageimage, maskmask) image_aug, mask_aug augmented[image], augmented[mask]参数上RandomCrop的尺寸要和你模型输入尺寸一致我一般用 256 或 512。RandomBrightnessContrast的幅度不要太大0.1 左右就够了否则会把花生田调成玉米田的光谱。GaussNoise的方差控制在 0.005 以内太大反而会让模型学不到真实特征。3. 模型选型与训练U-Net 还是 DeepLabV3参数怎么调3.1 语义分割模型对比为什么我最终选了 U-Net花生种植区域分类本质上是语义分割任务输出是每个像素的类别。常见的模型有 U-Net、DeepLabV3、SegFormer、PSPNet。我在实际项目中对比过 U-Net 和 DeepLabV3在样本量只有 2000 张 256x256 切片的情况下U-Net 的 IoU 比 DeepLabV3 高 3 到 5 个百分点。原因很简单DeepLabV3 的空洞卷积和 ASPP 模块需要大量数据才能学好小样本下容易过拟合而 U-Net 的跳跃连接能保留更多浅层纹理信息对地块边界的提取更准。如果你有上万张标注切片SegFormer 这类 Transformer 模型可能更好但农业遥感场景下样本量通常达不到。下面是一个用 PyTorch 实现的 U-Net 简化版输入 4 通道绿、红、NIR、NDVI输出 2 类花生、背景import torch import torch.nn as nn class DoubleConv(nn.Module): def __init__(self, in_ch, out_ch): super().__init__() self.conv nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), nn.Conv2d(out_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue) ) def forward(self, x): return self.conv(x) class UNet(nn.Module): def __init__(self, in_ch4, out_ch2): super().__init__() self.down1 DoubleConv(in_ch, 64) self.down2 DoubleConv(64, 128) self.down3 DoubleConv(128, 256) self.pool nn.MaxPool2d(2) self.up1 nn.ConvTranspose2d(256, 128, 2, stride2) self.up2 nn.ConvTranspose2d(128, 64, 2, stride2) self.conv_up1 DoubleConv(256, 128) self.conv_up2 DoubleConv(128, 64) self.out nn.Conv2d(64, out_ch, 1) def forward(self, x): d1 self.down1(x) d2 self.down2(self.pool(d1)) d3 self.down3(self.pool(d2)) u1 self.up1(d3) u1 torch.cat([u1, d2], dim1) u1 self.conv_up1(u1) u2 self.up2(u1) u2 torch.cat([u2, d1], dim1) u2 self.conv_up2(u2) return self.out(u2) # 实例化 model UNet(in_ch4, out_ch2) print(model)这个 U-Net 只做了两次下采样和两次上采样适合 256x256 的输入。如果你用 512x512可以再加一层。in_ch4对应我们堆叠的四个通道out_ch2对应二分类。损失函数我一般用 Dice Loss 加 CrossEntropy 的组合Dice Loss 对类别不平衡更鲁棒因为花生地块通常只占影像的 10% 到 30%。3.2 训练参数学习率、批次大小和早停策略训练参数没有绝对的最优值但有几个经验范围。学习率我一般从 1e-3 开始用 CosineAnnealing 衰减到 1e-5批次大小根据显存来8GB 显存跑 256x256 切片可以设 batch_size16优化器用 AdamW权重衰减设 1e-4。早停策略看验证集 IoU如果连续 10 个 epoch 没有提升就停同时保存 IoU 最高的模型权重。下面是一个训练循环的核心代码import torch.optim as optim from torch.optim.lr_scheduler import CosineAnnealingLR device torch.device(cuda if torch.cuda.is_available() else cpu) model UNet(in_ch4, out_ch2).to(device) optimizer optim.AdamW(model.parameters(), lr1e-3, weight_decay1e-4) scheduler CosineAnnealingLR(optimizer, T_max50) criterion nn.CrossEntropyLoss() best_iou 0.0 patience 10 counter 0 for epoch in range(100): model.train() for images, masks in train_loader: images, masks images.to(device), masks.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, masks) loss.backward() optimizer.step() scheduler.step() # 验证 model.eval() val_iou compute_iou(model, val_loader, device) if val_iou best_iou: best_iou val_iou torch.save(model.state_dict(), best_unet.pth) counter 0 else: counter 1 if counter patience: print(fEarly stop at epoch {epoch}) break这里T_max50表示学习率在 50 个 epoch 内从 1e-3 降到接近 0如果你的训练轮数更多可以调大。compute_iou需要自己实现计算的是验证集上花生类的交并比。早停的patience10是个保守值样本少的时候可以设 15避免过早停止。3.3 类别不平衡处理Focal Loss 和加权采样花生地块在影像中占比小背景像素远多于花生像素直接用 CrossEntropy 会让模型偏向预测背景。我一般会用两种方法一是用 Focal Loss 替代 CrossEntropyFocal Loss 通过降低易分类样本的权重让模型关注难分类的像素二是用加权采样在 DataLoader 里给含花生像素多的切片更高的采样概率。下面是一个 Focal Loss 的实现class FocalLoss(nn.Module): def __init__(self, alpha0.25, gamma2.0): super().__init__() self.alpha alpha self.gamma gamma def forward(self, inputs, targets): ce_loss nn.CrossEntropyLoss(reductionnone)(inputs, targets) pt torch.exp(-ce_loss) focal_loss self.alpha * (1 - pt) ** self.gamma * ce_loss return focal_loss.mean()alpha0.25和gamma2.0是 Focal Loss 的经典参数对二分类任务通常有效。如果你发现模型对花生边界预测不准可以把gamma调到 3.0让模型更关注难样本。加权采样则是在DataLoader的sampler参数里传入WeightedRandomSampler权重根据每个切片中花生像素的比例来定。4. 避坑与排查花生种植区分类的 5 个血泪教训4.1 现象模型在验证集上 IoU 很高但推理整幅影像时全是噪声原因训练时用的是随机裁剪的 256x256 切片切片内花生地块占比高模型学到了局部特征但整幅影像推理时背景区域远大于花生区域模型对大面积背景的预测不稳定加上切片边缘的拼接效应导致输出噪声。解决推理时用滑动窗口加重叠重叠率设 50%然后对重叠区域的预测概率取平均。另外训练时可以加入一些纯背景切片让模型学会识别背景。4.2 现象NDVI 通道在训练中梯度爆炸loss 变成 NaN原因NDVI 的取值范围是 -1 到 1但原始影像的 DN 值可能很大计算 NDVI 时如果没做归一化某些像素的 NDVI 会异常大。解决在堆叠通道前对每个通道做归一化NDVI 单独做截断把小于 -1 和大于 1 的值裁掉然后统一缩放到 0 到 1 之间。我一般用np.clip(ndvi, -1, 1)再(ndvi 1) / 2。4.3 现象模型把花生田和玉米田混在一起边界模糊原因花生和玉米在可见光近红外波段的光谱曲线在某个生长阶段非常接近模型无法仅凭光谱区分。解决加入纹理特征或时间序列信息。如果只有单时相影像可以计算 GLCM 纹理特征作为额外通道如果有多个时相的影像把不同时相的 NDVI 堆叠起来模型能学到花生和玉米在时间维度上的差异。4.4 现象训练 loss 下降很慢甚至不下降原因学习率设得太大或者数据增强太强导致模型学不到有效特征。解决先把学习率降到 1e-4 试试同时检查数据增强的幅度特别是RandomBrightnessContrast的brightness_limit不要超过 0.2。另外确认标签掩膜的像素值是不是 0 和 1如果标签是 0 和 255CrossEntropy 会报错或学乱。4.5 现象推理结果中花生地块内部有空洞原因模型对地块内部的预测概率不够高加上后处理时阈值设得过高。解决推理后做形态学闭运算填充小空洞同时把二值化阈值从 0.5 降到 0.4 或 0.3。如果空洞很大说明模型本身对地块内部的特征学习不足需要增加正样本的多样性。5. 进阶技巧用多时相 NDVI 时序把精度再拉高 5 个百分点单时相影像分类的天花板很明显因为花生和玉米在某个特定日期的光谱可能几乎一样。但如果你能拿到同一个地块在花生苗期、花期、结荚期的多时相影像事情就好办多了。花生在结荚期的 NDVI 会明显低于玉米这个时间窗口是区分两者的关键。我一般会取 3 到 5 个时相的 Sentinel-2 影像计算每个时相的 NDVI然后堆叠成一个多通道输入通道数等于时相数。模型方面可以把 U-Net 的输入通道改成 53 个时相 NDVI 绿 红或者用 3D U-Net 直接处理时序数据。下面是一个构建多时相 NDVI 堆叠的代码示例import numpy as np import rasterio def stack_multitemporal_ndvi(image_paths, red_band4, nir_band8): 读取多个时相的影像计算 NDVI堆叠为 (H, W, T) 数组。 image_paths: 按时间排序的影像路径列表。 ndvi_list [] for path in image_paths: with rasterio.open(path) as src: red src.read(red_band).astype(np.float32) nir src.read(nir_band).astype(np.float32) ndvi (nir - red) / (nir red 1e-8) ndvi np.clip(ndvi, -1, 1) ndvi_list.append(ndvi) # 堆叠为 (H, W, T) stacked np.stack(ndvi_list, axis-1) return stacked # 假设有三个时相的影像 paths [s2_20230601.tif, s2_20230715.tif, s2_20230820.tif] ndvi_stack stack_multitemporal_ndvi(paths) print(ndvi_stack.shape) # (H, W, 3)这个堆叠后的数组可以直接作为 U-Net 的输入把in_ch改成 3 即可。如果你还想加入原始波段可以把绿、红、NIR 也拼进去通道数变成 6 或 9。多时相带来的精度提升在 3 到 5 个百分点左右但代价是需要配准多个时相的影像配准误差超过 1 个像素就会引入噪声。我一般会用rasterio的reproject或gdalwarp做配准确保所有时相的空间参考一致。验证多时相模型是否真的有效可以做一个消融实验分别用单时相、双时相、三时相训练同一个 U-Net比较验证集 IoU。如果三时相比单时相提升不到 2 个百分点说明你的时相选择有问题可能选的时间窗口不是花生和玉米差异最大的时期。我踩过的坑是一开始选了花生苗期和玉米苗期的影像结果两者 NDVI 几乎一样模型根本学不到差异。后来换成花生结荚期和玉米抽雄期的影像IoU 直接涨了 6 个百分点。所以时相选择比模型结构更重要这是我在这个方向上最深的体会。希望帮到你。本文还有配套的精品资源点击获取