MT-CYP-Net：基于稀疏样本的像素级作物产量多任务预测网络
计算机视觉与模式识别
2025-08-08 v1 人工智能
摘要
精准、细粒度的作物产量预测对于推动全球农业发展至关重要。然而，基于卫星遥感数据的像素级产量估计准确率受限于地面真值数据的稀缺。为此，我们提出一种新方法——多任务作物产量预测网络(MT-CYP-Net)。该框架引入有效的多任务特征共享策略，利用从共享骨干网络中提取的特征同时被作物产量预测解码器和作物分类解码器使用，并具备信息融合能力。该设计使MT-CYP-Net能够在极端稀疏的作物产量点标签和作物类型标签下进行训练，同时仍能生成详细的像素级作物产量图。具体而言，我们于2023年收集了来自中国黑龙江八个农场的1859个产量点标签及其对应的作物类型标签和卫星图像，覆盖大豆、玉米和稻作作物，构建了稀疏作物产量标签数据集。我们将MT-CYP-Net与该数据集上的三种经典机器学习和深度学习基准方法进行比较。实验结果不仅表明MT-CYP-Net在多种作物上优于先前方法，还显示深度网络在稀疏数据标签下的精确像素级作物产量预测具有潜力。
引用
@article{arxiv.2505.12069,
title = {MT-CYP-Net: Multi-Task Network for Pixel-Level Crop Yield Prediction Under Very Few Samples},
author = {Shenzhou Liu and Di Wang and Haonan Guo and Chengxi Han and Wenzhi Zeng},
journal= {arXiv preprint arXiv:2505.12069},
year = {2025}
}