飞未信息技术股份有限公司

智慧农业应用场景｜“从天而降”的精准分割：利用深度学习算法提取耕地地块边界

2024年10月，农业农村部印发《全国智慧农业行动计划(2024—2028年) 》，瞄准农业农村生产管理难点问题，组织实施智慧农业3大行动，加快推动智慧农业全面发展，有力支撑农业现代化建设。

飞未公司近年来在智慧农业领域积极探索实践，形成了丰富的数字化产品和服务案例，涉及智慧农业公共服务能力、重点领域应用拓展等。

一、引言

发展精准农业是实现农业现代化的重要形式，它可以节约资源、转变农业经济增长方式、增加农民收入。提取耕地地块的准确边界信息是实现精准农业的基础任务之一，然而，目前最常用的获取耕地边界的方式仍然是人工绘制，费时费力，且更新频次很低。随着国内外越来越多的米级、亚米级卫星影像的应用，以及大量的农田边界标签的积累，为构建基于深度学习的农田地块边界的自动化提取模型提供了丰富的数据支持。

二、算法简介

近年来，深度学习，尤其是卷积神经网络（CNN）的快速发展，为遥感图像的地块分割提供了强大的工具。CNN能够自动提取图像中的空间特征，并在大规模遥感数据中识别和分割出耕地地块，表现出较高的精度和鲁棒性。

本次地块边界提取任务采用的是RCF（Richer Convolutional Features）边缘检测模型，RCF模型以HED模型为基础，实现了端到端边缘检测，检测完成后结合fast parallel algorithm方法进行骨架提取，对骨架数据进行栅格矢量化，使用Douglas-Peucker算法对矢量化之后的结果进行后处理，后处理步骤包含线段简化处理、去除矢量碎斑、孔洞、平滑共享边，最终得到所述待分割遥感影像的地块边界结果。具体技术路线图如下所示：

耕地地块分割算法技术路线图

三、成果展示

下面分别展示了在谷歌影像和天地图影像上，乡镇级别的地块分割效果以及不同地形条件、不同耕地状态下的地块分割效果细节。结果表明了模型可以准确的识别出耕地地块边界，同时区分出城镇、道路、草地、森林等其他非耕地区域，且在不同的耕地条件下，无论是规整的耕地区域，还是山区零碎的耕地地块，都可以较为准确的分割出来。

乡镇级总体地块分割效果展示：

谷歌地图影像地块分割效果展示

天地图影像地块分割效果展示

不同地形条件及耕地状态下的地块分割细节展示：

四、应用展望

精准农业管理：基于遥感影像实现耕地地块的精准分割，可以实现农田的精细化管理。通过准确分割地块边界，农业工作者可以实时监控地块的生长状态、养分水平等信息，进而进行精准灌溉、施肥和病虫害防治。这种数据驱动的管理模式不仅可以减少资源浪费，还可以提高作物产量和质量。

农田地块估算与分类：准确的耕地地块边界信息可以识别和统计不同区域的耕地面积，并进行地块分类，可以为农业普查、产量预测和政策制定提供精准的数据支撑，从而优化土地资源配置和农业政策制定。

农业保险与风险评估：遥感影像地块分割技术可以为农业保险提供精确的地块信息，通过定期监控和分析地块状况，评估农业风险，尤其在自然灾害频发地区，准确的地块分割可以帮助保险公司快速评估受损地块，进行理赔估算。

五、总结

在遥感影像中提取耕地地块边界，通过深度学习算法实现了智能、高效的自动化监测。随着算法的发展和遥感技术的不断提升，遥感+深度学习已成为精准农业和土地资源管理的重要工具。