一个改进的分段器用于无人机式矿山恢复场景的语义分段
Feng Wang1, Lizhuo Zhang1, Tao Jiang2,3
1College of Information and Intelligence, Hunan Agricultural University, Changsha 410128, China.
Sensors (Basel, Switzerland)
|June 27, 2025
概括
本研究介绍了一种改进的Segformer模型,用于使用无人机图像加强采矿生态恢复监测. 新模型在精确识别小物体和改进复杂场景中的细分细节方面表现出色.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 矿山生态恢复对于资源依赖地区的可持续发展至关重要.
- 目前基于无人机的遥感监测方法缺乏准确性和适应性.
- 挑战包括小物体识别,多尺度特征融合和模糊的边界.
研究的目的:
- 开发一个增强的语义细分模型,以改善矿山生态恢复监测.
- 为了解决现有的无人机图像分析矿场现有的局限性.
主要方法:
- 提出了一个增强的Segformer模型,包括一个多尺度的功能增强特征金字塔网络 (MSFE-FPN).
- 集成了一个选择性特征聚合金字塔聚合模块 (SFA-PPM) 用于全球语义感知.
- 嵌入了一个高效的局部注意 (ELA) 模块,以提高边缘和小目标的灵敏度.
- 使用HUNAN Mine UAV数据集 (HNMUD) 和Aeroscapes数据集进行评估.
主要成果:
- 拟议的模型展示了优越的细分精度和概括能力.
- 有效地提高了对小物体的识别,并增强了边界定义.
- 在分析矿山修复场景方面表现优于现有方法.
结论:
- 增强的Segformer模型为矿山生态恢复监测提供了强大的解决方案.
- 在环境管理的图像分析方面取得了重大进展.
- 通过精确的遥感应用来支持可持续发展.


