Para atender às necessidades técnicas de monitoramento da incorporação da palha na agricultura conservacionista, foi proposto um algoritmo aprimorado de segmentação semântica baseado no U-Net para detectar a cobertura de palha. Primeiro, foi proposto um novo módulo convolucional para substituir o módulo convolucional original na estrutura U-Net; em segundo lugar, a estrutura Inception foi aprimorada com a introdução de pooling em faixas e um módulo eficiente de convolução dilatada com pirâmide espacial, formando uma nova estrutura chamada Gception; finalmente, um mecanismo de atenção foi incorporado ao módulo. Usando imagens da superfície do campo coletadas por drones, o modelo U-Net aprimorado foi aplicado à segmentação de imagens de palha auto-rotuladas no campo, comparando-se com os algoritmos U-Net, PSP-Net, Link-Net, Res-Net, DSRA-Unet e DE-GWO, obtendo uma média do índice de interseção sobre união de 80,05%, precisão média de pixel de 91,20% e erro médio de cobertura de 0,80%. Os resultados experimentais mostram que os resultados da segmentação do modelo U-Net aprimorado superam os algoritmos comparados, garantindo a eficácia da extração de características e a completude das características globais, removendo efetivamente sombras de árvores e outros fatores de interferência no campo. Este modelo é adequado para cenários complexos em campo contendo máquinas agrícolas e sombras de árvores, e também pode obter bons resultados de segmentação em imagens em grande escala, oferecendo suporte técnico para a detecção de cobertura de palha em larga escala.

imagens de palha; detecção de cobertura; segmentação semântica; modelo U-Net; mecanismo de atenção