南方农业学报

作者：黄启厅, 凌玉荣, 谢国雪, 杨绍锷, 杨颖频, 李海亮, 梁存穗, 何新洁, 谢意,

关键词：地块边界提取, SAM2, 多任务学习, 遥感影像, SAM2Xi模型,

【目的】 构建多任务模糊边界提取深度学习模型，解决模糊边界难提取及伪边界难消除的问题，为地块破碎地区的地块边界提取提供参考依据。【方法】 以广西河池市宜州区为研究区，通过解译典型山区破碎遥感影像，建立模糊边界提取数据集，引入SAM2视觉大模型及采用适配器Adapter微调优化其编码器，设计地块属性提取辅助任务，构建多任务模糊边界提取深度学习模型SAM2Xi，并通过对比试验证实该模型在山区地块破碎环境下的模糊边界提取效果。【结果】 SAM2Xi模型在全局最佳阈值（ODS）和单图最佳阈值（OIS）上表现最佳，分别为0.663和0.672，显示出最高的边缘检测精度和适应性，但50%精度召回率（R50）略低于DexiNed模型。SAM2Xi模型结合语义信息与边缘特征，增强了模糊边界识别能力，在复杂场景下表现尤为出色；SAM2Xi模型在低对比度和复杂背景下仍然保持高精度，模糊边界区域的细节保留、连贯性和噪声抑制均优于其他模型；此外，SAM2Xi模型在伪边界清除任务中表现最佳，其先进特征提取和优化机制几乎完全消除了伪边界干扰，在各类场景下保持高精度边缘检测，具有更高的鲁棒性和准确性。SAM2Xi模型能成功提取研究区的地块信息（地块图斑数1587597个，总面积145696.646 ha），且提取的地块分布与实际情况高度吻合，具体表现为：（1）在大片耕地范围内可准确划分各地块；（2）可提取建筑物中的零星耕地或园地；（3）可提取林地中能被单独分割的地块（人工林），但自然林基本不会被误识。【结论】 基于SAM2多任务学习构建的SAM2Xi模型实现了模糊边界识别与伪边界清除的双重突破，在复杂地形适应性、边界连贯性保持及噪声抑制方面具有明显优势，为我国西南山区复杂地形下地块边界提取及山区农业资源精准管理提供了技术支撑。

来源：2025年第1期

《南方农业学报》期刊编辑部

查看南方农业学报杂志2025年第1期