在精准农业应用中,大棚是一类重要的农业设施,准确的大棚分布、使用信息获取对于精准农业规划、农业产值估算及相关政策制定具有重要意义。传统人工调查耗时耗力,无人机遥感则是方便快捷的新兴地表信息采集工具,十分适合大棚分布信息的快速获取。本文利用无人机遥感技术手段,提出基于深度信息拓展语义分割网络新方法,实现影像上大棚分布信息的自动精确提取。本论文主要工作如下:(1)开展了大棚无人机影像采集与样本集生成针对大棚数据分布、形态特点,设置400m的航高,80%的航向重叠率和旁向重叠率,采集了2019年8月南京市江宁区约为2.52 km2的大棚区域影像。通过多视匹配技术生成实验区稠密三维点云,然后通过仿射变化配准将深度信息映射到二维影像中,实现实验区影像深度信息的恢复。而后对处理好的无人机影像进行数据标注,并制定了一套生成样本集、影像分类的技术流程生成可供网络训练的样本集。(2)提出了基于深度信息拓展语义分割网络的大棚提取方法在梳理多种经典语义分割网络结构的基础上,对U-net和SegNet的基本网络结构进行结构调整;进行了ASPP(Atrous Spatial Pyramid Pooling,空洞卷积空间池化特征金字塔)模块引入、BN(Batch Normalization,批量归一化)层去除、非对称卷积引入等方面的改进,搭建了ACUnet网络。而后,将深度信息作为独立分支与光谱信息做平行操作,搭建了ACDUnet,实现了对常规语义分割网络的深度特征拓展。(3)开展了方法在无人机影像上的应用试验和方法对比研究将方法应用于江苏省南京市江宁地区的大棚提取。实验表明,对于未引入深度信息的网络ACUnet表现优于传统网络U-net、SegNet,通过融合方式使用深度信息的网络ACDUnet表现优于ACUnet,同时表现也优于直接将深度信息作为第四通道使用的ACUNnet＿C4。综合看来,ACDUnet具有较高精度、鲁棒性高,从数据采集到网络训练、模型预测不需要过多人工干预,整体流程自动化程度较高。