Residual U-NetとテキストプロンプトSAM 3を用いた1 m NAIP画像からの農地範囲と可視境界のマッピング
本研究は、1 m分解能のNAIP RGB画像から農地範囲と可視境界をマッピングする再現可能なワークフローを提案する。Residual U-Net（ResUNet）とDice優位損失関数を用い、テストセットで精度0.8808、IoU 0.8605、Dice 0.9234を達成。テキストプロンプトによるSAM 3ブランチの融合により、困難なシーン（果樹園列、断片化区画）でDiceがそれぞれ0.955、0.903に向上。出力はセマンティックな農地範囲レイヤーであり、地籍図ではなく、既存の圃場レイヤーが利用できない農業モニタリングを支援する。
農業用の圃場マップはしばしば専有、不完全、または時代遅れでありながら、作物監視、生産会計、土地利用転換分析のための空間的枠組みを提供する。arXivに発表された研究では、1メートル分解能のNAIP RGB画像から農地範囲と可視境界を自動的にマッピングする再現可能なワークフローが提案された。
研究チームは、米国農務省NAIPプログラムから37シーンの画像を取得。これらの画像は、開けた農地、都市周辺界面、半乾燥灌漑地形、断片化したモザイクなど多様な景観をカバーしている。CVATツールで手動アノテーションを行い、バイナリマスクに変換。画像を256×256ピクセルのタイルに分割し、合計5698サンプルを得た。元のシーンに基づき、トレーニング3850、検証770、テスト1078のタイルに分割。
モデルはResidual U-Net（ResUNet）アーキテクチャを採用し、Dice支配損失関数（L = 2.5(1 - Dice) + BCE）で訓練。テストセットで精度0.8808、IoU 0.8605、Dice 0.9234、適合率0.8766、再現率0.9794を達成。また、フリーズしたSAM 3ブランチをテキストプロンプト「agricultural farmland field」で促し、ResUNetの出力と論理ORで融合。選択された困難なタイルでは、Diceが果樹園列で0.858から0.955、断片化区画で0.804から0.903に向上。スライディングウィンドウステッチングにより整合性のある地域マスクが生成され、例示タイルでDice 0.898、0.919を記録。
最終出力はセマンティック農地範囲レイヤーであり、地籍圃場マップではないが、現在の圃場レイヤーが利用できない地域での農業モニタリングを支援する。研究のコードとデータセットは公開されており、リモートセンシングと農業分野のさらなる研究基盤を提供する。