يعتبر الرصد الدقيق لغطاء وتوزيع النباتات الضوئية (PV) وغير الضوئية (NPV) في المراعي بالمناطق شبه الجافة أمرًا حيويًا لفهم البيئة ومعالجة تغير المناخ. ومع ذلك، فإن استخراج معلومات PV و NPV من صور الاستشعار عن بُعد الخاصة بالطائرات بدون طيار غالبًا ما يعيقه تحديات مثل انخفاض دقة الاستخراج وحدود غير واضحة. للتغلب على هذه القيود، اقترحت هذه الدراسة نموذج تقسيم دلالي محسن، يسمى SegFormer-CPED. تم تطوير النموذج بناءً على بنية SegFormer، مع دمج عدة تحسينات تآزرية. على وجه الخصوص، تم دمج وحدة انتباه الكتل التلافيفية (CBAM) في المشفر لتعزيز إدراك الميزات في المراحل المبكرة، بينما تم تضمين وحدة انتباه ذاتي مستقطب (PSA) لتعزيز الفهم السياقي وتقليل فقد الدلالات. تم تقديم وحدة استخراج كفاف الحواف (ECEM) لتنقيح تفاصيل الحدود. في الوقت نفسه، استخدمت وظيفة خسارة Dice بدلاً من خسارة تقاطع الانتروبيا، مما يعالج بشكل أكثر فعالية مشكلة عدم التوازن في الفئات ويحسن بشكل كبير دقة التقسيم ووضوح الحدود لكل من PV و NPV. لدعم تطوير النموذج، تم بناء مجموعة بيانات تقسيم عالية الجودة لـ PV و NPV لمراعي هينغشان. أظهرت النتائج التجريبية الشاملة أن نموذج SegFormer-CPED المقترح حقق أداءً رائدًا، حيث سجل mIoU بنسبة 93.26% وF1-score بنسبة 96.44%. لقد تفوق بشكل كبير على البنى الكلاسيكية وتجاوز جميع الأنظمة الرائدة التي تم تقييمها هنا. يمكن أن تربط خرائطه عالية الدقة بين الدراسات الميدانية والاستشعار عن بعد بواسطة الأقمار الصناعية. أكدت دراسات الاقتطاع فعالية كل وحدة محسنة وتفاعلها التآزري. علاوة على ذلك، استخدمت هذه الدراسة بنجاح SegFormer-CPED لأداء مراقبة دقيقة للديناميات المكانية والزمنية لـ PV و NPV في مراعي هينغشان، مما يؤكد أن تقديرات النموذج لـ fPV و fNPV كانت مرتبطة بشكل قوي ببيانات المسح الأرضي. يوفر نموذج SegFormer-CPED المقترح حلاً قويًا وفعالًا للاستخراج الدقيق شبه الآلي لـ PV و NPV من صور الطائرات بدون طيار عالية الدقة.
درس هو وآخرون (الجمعة) هذا السؤال.