TRNet: Segmentazione del riso guidata dalla topografia da immagini VHR

Un nuovo modello di deep learning chiamato TRNet è stato creato da ricercatori per segmentare efficacemente le risaie da immagini satellitari a altissima risoluzione (VHR) in aree collinari e montuose. Questo modello combina immagini RGB GaoJing-1 a 0,5 metri con un modello digitale di elevazione (DEM) TanDEM-X a 5 metri e dati di pendenza. TRNet utilizza encoder visivi e topografici distinti per mantenere le caratteristiche uniche delle modalità. Un modulo di rettifica topografica energia-spettrale in fase iniziale modula le basse frequenze in base al terreno e regola le alte frequenze per ridurre il clutter da pendii ripidi, migliorando al contempo i segnali del riso su pendenze basse. Il decodificatore di struttura del riso guidato dalla topografia integra segnali semantici, di confine e interni. I test sono stati eseguiti su un set interno (Area A) e su un'Area B separata, che presentava terreno più ripido e meno riso. TRNet ha dimostrato capacità di segmentazione eccezionali, soprattutto in terreni difficili, affrontando le sfide nel distinguere il riso da vegetazione simile in ambienti montuosi. I dettagli dell'architettura sono pubblicati in un articolo su arXiv (arXiv:2608.04154).