Proximal Remote Sensing of Oil Palm Basal Stem Rot Using Deep Learning Vision Algorithms and Ground-based Images
用手机拍摄油棕树干图像,结合深度学习检测与分类,实现基腐病严重度诊断。
卫星与无人机遥感、长势监测与产量估测
用手机拍摄油棕树干图像,结合深度学习检测与分类,实现基腐病严重度诊断。
提出边界引导可变形网络BGDNet,实现高分辨率遥感耕地地块精准分割。
构建融合多源遥感与环境变量的可解释深度学习框架,预测沧州土壤盐分空间分布。
提出像素级多任务深度学习框架,从高光谱数据高通量估算作物光合表型参数。
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。
综述深度学习多源遥感图像融合方法、挑战与未来方向。
利用高光谱影像和深度学习模型对印度两地区进行土地覆盖分类,比较CNN、ResNet-18和VGG-1
《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。