Page 108 - 《渔业研究》2025年第6期

第 6 期 陈红梅等： 基于 Res-PGAUnet 的沿海养殖池塘遥感提取研究 799

裂、不完整；Res-Unet 模型改善了边界断裂等，提 提取和分割性能；引入 scSE 双注意力模块后，能
取较为完整，但仍存在部分河道误提问题；而 Res- 够增强对图像的利用和感知，提升模型在复杂养殖
PGUnet 和 Res-PGAUnet 模型定位准确，有效抑制 环境下的鲁棒性和定位目标能力，改善养殖池塘的
了河道干扰，提取出的池塘个体完整性好，边界精 漏提、误提。
度高。 2.3 模型应用
采用定性和定量的方式评估模型精度，结果表 为测试模型在大范围养殖区提取的泛化性，选
明 Res-PGAUnet 模型较好地兼顾了提取精度和时 取具有大范围池塘养殖的诏安湾、宫口湾 GF-2 高分
空复杂度表现，具有轻量化的特点。具体而言， 辨率影像，经影像预处理和测试集制作，应用 Res-
在 U-Net 模型基础上，引进 ResNet34 作为编码 PGAUnet 模型在 GF-2 旧镇湾至诏安湾养殖池塘数
器，能够增强模型的特征学习和提取能力，提升养 据集中训练、测试所得到的最优权重，对诏安湾、
殖池塘提取的准确度和时空复杂度表现；引入 PPM 宫口湾区域进行养殖池塘提取应用测试，结果见
和 GB 模块能够有效提升模型对于不同尺寸目标的 图 5。

N

N
23°45′00″

23°40′00″

图例 Legends
正确分类 Correct classification
漏分类 Missed classification
误分类 Misclassification
0 5 10 km
23°35′00″

117°15′00″ 117°20′00″ 117°25′00″ 117°30′00″ E
图 5 基于 Res-PGAUnet 在诏安湾养殖池塘提取结果
Fig. 5 Res-PGAUnet-based extraction results from aquaculture ponds around Zhao’an Bay

从图 5 可，误提区域主要集中于宫口湾西北侧 3 结论
东溪下游河道和近岸的滩涂底播区，漏提区域则主
本文针对复杂干扰环境下的养殖池塘提取难
要分布于东山岛陈城镇盐田区和东山岛东侧部分高
题，提出了 Res-PGAUnet 模型。通过消融实验和
位池。
大范围应用验证，得出以下结论：1）模型的核
对误提、漏提情况进行误差分析，模型在训练
心改进模块（ResNet、PPM、GB、scSE）均对性
过程中接触的大型河道、水库和滩涂底播等负样本 能提升有显著贡献，使得模型在保持轻量化的同
较少，未充分学习到这些地物的深层特征情况，地 时，实现了更高的提取精度。2）Res-PGAUnet 在
物的光谱特征与养殖池塘较为接近，直接泛化容易 面对河道、盐田、海水等多种干扰地物时，表现出
产生误提。小目标高位池漏提和密集养殖池塘缺 更强的抗干扰能力和鲁棒性， IoU与 F1-score分别
失、空洞情况，与模型的泛化性能密切相关，需补 达到 0.854 0 与 0.921 3，能有效减少误提与漏提，
充更丰富的目标和负样本，以获得更为准确的提取 并在保持轻量化优势的同时，改善了小目标高位池
结果。 漏提与边界粘连。3）大范围泛化测试进一步证实