1.一种基于PSPNet网络的无人机小麦影像倒伏区域提取方法，其特征在于，包括以下步骤：

11）训练数据的获取及预处理：获取已进行样本标注的无人机小麦倒伏影像，将其分成小麦两个成长期的20m、40mRGB图片，作为训练数据集；

12）PSPNet语义分割网络的构建：采用Mobilenetv2作为主干特征提取网络构建PSPNet语义分割网络；

所述PSPNet语义分割网络的构建包括以下步骤：

121）利用特征提取网络MobileNet2进行特征提取；

设定MobileNet2在3x3网络结构前利用1x1卷积升维，在3x3网络结构后，利用1x1卷积降维，不再进行Relu6层，直接进行残差网络的加法；

122）设定加强特征提取PPM模块将获取到的特征层划分成不同大小的区域，每个区域内部各自进行平均池化；

123）利用特征提取网络MobileNet2和加强特征提取PPM模块获取到的图片特征获取预测结果：利用一个3x3卷积对特征进行整合，然后利用一个1x1卷积进行通道调整，调整成语义分割类别数，最后利用resize进行上采样使得最终输出层，宽、高和输入图片一样，得到预测结果；

13）PSPNet语义分割网络的训练：将训练数据集输入PSPNet语义分割网络进行训练；

14）倒伏区域待提取图像的获取：获取待提取的无人机小麦影像并进行预处理；

15）无人机小麦影像倒伏区域的提取：将预处理后的待提取无人机小麦影像输入训练后的PSPNet语义分割网络，提取出小麦倒伏区域影像。

2.根据权利要求1所述的基于PSPNet网络的无人机小麦影像倒伏区域提取方法，其特征在于，所述PSPNet语义分割网络的训练包括以下步骤：

21）选择Adam optimizer函数作为参数优化器，Dice loss为损失函数，初始学习率为

0.0001，批量处理大小设置为32，迭代次数epoch设置为100；

22）制作VOC格式数据进行训练：

对所获得的无人机小麦倒伏影像以及标签进行裁剪，每个滑窗的大小设置为256x256，最后得到的训练图像大小为256x256；

23）将训练数据集经过特征提取网络MobileNet2和加强特征提取PPM模块进行特征提取，之后利用一个3x3卷积对特征进行整合，然后利用一个1x1卷积进行通道调整，调整成语义分割类别数，最终得到预测结果。