English(EN) Farmland Extent and Visible Boundary Mapping from 1 m NAIP Imagery Using Residual U-Net and Text-Prompted SAM 3 Refinement

新的AI工作流程使用卫星影像和SAM 3绘制农田范围

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-27 04:00

研究人员开发了一种新的工作流程，使用1米NAIP影像来绘制农田范围和边界。该方法结合了使用Dice主导损失训练的残差U-Net模型和文本提示的Segment Anything Model (SAM 3)。该方法取得了高精度，组合模型在果园行和碎片化地块等具有挑战性的数据集上显示出显著的改进。由此产生的语义农田范围层可以在现有地块地图不足的情况下支持农业监测。 AI

影响增强了AI在农业和土地监测地理空间分析方面的能力。

排序理由详细介绍图像分析新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

Mohammadreza Narimani

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Mohammadreza Narimani, Vikram Anand, Parastoo Farajpoor · 2026-07-27 04:00

Farmland Extent and Visible Boundary Mapping from 1 m NAIP Imagery Using Residual U-Net and Text-Prompted SAM 3 Refinement

arXiv:2607.21881v1 Announce Type: cross Abstract: Agricultural field maps are often proprietary, incomplete, or outdated, yet they provide the spatial framework for crop monitoring, production accounting, and land-conversion analysis. This study presents a reproducible workflow f…

报道来源 [1]

Farmland Extent and Visible Boundary Mapping from 1 m NAIP Imagery Using Residual U-Net and Text-Prompted SAM 3 Refinement

相关实体

相关话题