基于改进DeepLabv3+的高标准农田田间道路提取与结构指标量化框架

方法

MobileNetV2+NAM+CARAFE改进DeepLabv3+，多区域遥感

发现

mIoU 93.34%，道路宽度预测R²最高0.662，连通性指数提升至0.4795。

机会点

可拓展至多作物、多地形道路提取，并结合时序遥感实现道路损毁动态监测。

沈阳农业大学刘永生等开发了基于MobileNetV2改进DeepLabv3+的高标准农田田间道路提取轻量化框架，集成Normalization-based Attention Module与Content-Aware ReAssembly of FEatures。三次随机种子训练平均mIoU 93.34%、mPA 96.75%、精度98.90%，模型参数6.14M、推理速度17.04 FPS；沥青、混凝土、砾石道路宽度预测R²分别为0.650、0.486、0.662，宽度MAE 0.130/0.140/0.100 m。第二验证区域连通性指数从0.4682提升至0.4795，支持高标准农田田间道路高效、可量化、可追溯的验收检查。