从源头上禁种罂粟等毒品原植物是治理毒品与毒品问题的重要手段之一,快速并准确地发现非法种植罂粟等毒品原植物违法犯罪行为,是准确评估非法种植规模与态势,进而开展除源断流工作的重要基础。利用卫星或低空遥感平台已成为各国禁毒部门或组织发现毒品原植物非法种植活动的主要手段,其成功应用已产生巨大的社会效益。在目前的禁毒实践中,对于罂粟非法种植地块目标检测与面积提取依然面临精度与效率问题,制约了快速铲除与打击行动。其中,利用卫星影像提取罂粟非法种植地块的传统方法,如目视解译、面向对象等具有一定局限性。深度学习中目标检测技术的快速发展,为毒品原植物精准且快速地识别提供了有效的技术途径,并且得到初步的应用。现有的应用研究内容,主要集中在对非法种植毒品原植物地块的目标位置快速检测,却忽略了对地块面积信息的关注。而在禁毒工作中,面积信息所揭示的非法种植规模,同样具有非常高的业务价值,应给予同等的重视。目标检测模型可以快速准确获取罂粟地块的位置信息,但是想要获取每个地块的具体面积信息需要进一步使用面向对象或语义分割的方法。鉴于此,本研究以快速准确获取罂粟非法种植地块的位置信息和面积信息为目标,开展在高分1号卫星影像上利用PSPNet等语义分割模型提取罂粟地块的研究和针对罂粟非法种植地块特点的基于PSPNet模型的改进研究。论文研究工作和成果包括以下几个方面:（1）开展利用PSPNet等语义分割模型提取罂粟地块的研究。训练基于UNet、PSPNet和Deep Labv3+的罂粟非法种植地块提取模型,并使用MPA（平均像素精度）和MIo U（平均交并比）作为评价指标对模型进行精度评定,使用FPS（每秒传输帧数,在本文中指每秒检测图片数量）作为评价指标对模型进行效率评定。实验结果表明PSPNet模型的罂粟非法种植地块提取精度和速度都是最优,MIo U可达80.25%,MPA可达87.59%,检测速度达44.4FPS,选择PSPNet模型作为基础模型进行进一步改进研究是最佳的。基于语义分割的方法同时快速获取罂粟非法种植地块的位置和面积信息是可行的。（2）基于PSPNet改进的I-PSPNet模型的性能研究。以PSPNet模型为基础,针对PSPNet模型在训练测试过程中出现的问题进行模型改进,包括替换骨干网络、加入SE模块（Squeeze and Excitation Module）和编码器-解码器结构和改进损失函数。实验结果表明通过使用Mobile Netv2骨干网将预测速度从44.4FPS提高到了96FPS;通过引入通道注意力SE模块解决了在提取大面积罂粟非法种植地块时,分割结果产生孔洞的问题,MPA和MIo U分别提高了5%和4.3%;通过引入编码器-解码器结构提高了提取罂粟非法种植地块轮廓的准确性,MPA和MIo U提升了0.8%和0.45%;通过使用改进的损失函数改善了正负样本不平衡的问题,MPA和MIo U分别提升了1.4%和1%。改进模型比PSPNet模型的预测速度提高了90%,MPA和MIo U分别提高了6.2%和4.3%。I-PSPNet模型对于RGB波段数据集和GF-2影像有着良好的适用性能。本研究主要的创新点在于:（1）将语义分割技术应用于快速准确提取高分卫星影像罂粟非法种植地块,优选确定了基于PSPNet模型的最佳算法。（2）从骨干网络、SE模块、编码器-解码器结构和损失函数四个方面对模型进行了优化改进,改善了地块检测精度和速度,可以为禁毒部门快速发现罂粟非法种植地块提供技术支撑。本研究构建的I-PSPNet模型可以快速准确地获取罂粟非法种植地块的位置和面积信息,可以为禁毒部门快速发现罂粟非法种植地块,客观评估非法种植规模,实施精准打击治理毒品非法犯罪活动提供技术支撑。