一种基于多光谱SAM模型与多任务学习引导的耕地田块分割方法和系统

一种基于多光谱SAM模型与多任务学习引导的耕地田块分割方法和系统，属于田地分割领域。解决了现有技术采用简单的通道压缩或深度卷积形式进行通道数匹配，难以有效应对耕地地块边界复杂、多样、细微的挑战的问题。方法包括：通过融合CBAM注意力机制的U‑Net结构对多光谱遥感图像进行光谱压缩，生成三通道伪可见光图像；并将该图像输入经LoRA微调的SAM‑ViT编码器提取全局语义特征；构建任务token序列，通过双向Transformer模块实现token与图像特征的显式交互，生成高分辨率融合特征；计算跨任务注意力，通过内积操作输出多任务掩膜；利用分水岭算法进行后处理生成田块边界。用于耕地地块识别领域。