烟株的准确识别和数量统计在烟草种植管理中具有重要意义。准确掌握烟株的数量以及空间分布信息能够为烟叶生产后期的施肥、灌溉和虫害防治提供依据，同时还能对烟叶产量进行精确预估。但传统人工实地调查方法效率低且易受到人为主观性的影响［1］。目前，国内外学者围绕烟草种植面积和烟草植株精细提取已开展了较多研究。对于种植面积的提取方面，李天坤［2］和董梅等［3］采用面向对象的方法提取烟田面积，但该方法需选取合适的分割尺度和特征；Zhu等［4］通过监督分类与图像形态学操作相结合，从而实现烟田面积提取。在烟草植株精细提取的研究中，夏炎等［5］结合多特征和简单线性迭代聚类（烟草，SLIC）超像素进行烟株提取；谢红辉［6］和Xie等［7］基于支持向量机进行烟株提取；Fan等［8］则通过结合分水岭分割和深度神经网络提取烟株。但这些研究大多是基于传统图像处理方法，提取精度不高，自动化程度较低。近年来烟草，随着无人机技术的发展，消费级无人机的使用有了较大增长，无人机遥感技术也被广泛应用于各个领域。由于无人机遥感能以灵活、经济、高效的方式获取超高空间分辨率影像［9］，为精准农业提供作物空间分布信息，因而被广泛用于精准农业生产中［10］。另一方面，随着计算机软硬件和计算能力的提升，深度学习在科学研究和实际应用中受到了极大的关注，越来越多的学者将其运用到农业领域。基于无人机遥感技术和深度学习，精准农业得到了快速发展，但前人的研究对象主要针对粮食作物，而对烟草的研究还鲜见报道。