보호성 경운 볏짚 환원 모니터링의 기술적 요구에 맞추어 볏짚 피복률을 감지하기 위한 개선된 U-Net 의미 분할 알고리즘이 제안되었다. 먼저 원래 U-Net 프레임워크 내의 컨볼루션 모듈을 대체하는 새로운 컨볼루션 모듈을 제안하였으며, 둘째로 Inception 구조를 개선하여 스트라이프 풀링과 효율적인 공간 피라미드 딜레이션 컨볼루션 모듈을 도입해 새로운 Gception 구조를 형성하였다. 마지막으로 모듈 내에 주의 메커니즘을 도입하였다. 드론으로 수집한 현장 지표 이미지를 이용해 개선된 U-Net 모델을 자가 라벨링된 볏짚 이미지 분할에 적용하였고, U-Net, PSP-Net, Link-Net, Res-Net, DSRA-Unet 및 DE-GWO 알고리즘과 비교 실험을 수행하여 평균 교차 비율이 80.05%, 평균 픽셀 정확도가 91.20%, 피복률 평균 오차가 0.80%로 나타났다. 실험 결과 개선된 U-Net 모델의 분할 결과가 비교 알고리즘보다 우수하며, 특징 추출의 효율성과 전역 특징의 완전성을 보장하고, 나무 그림자 및 현장 내 기타 간섭 요소를 효과적으로 제거함을 보여주었다. 해당 모델은 농기계와 나무 그림자 등 간섭 요소가 있는 복잡한 현장 환경에 적합하며, 대규모 이미지에서도 우수한 분할 성능을 제공하여 대규모 볏짚 피복률 검출에 기술적 지원이 가능하다.

볏짚 이미지; 피복률 검출; 의미 분할; U-Net 모델; 주의 메커니즘