目前，深度学习广泛用于作物信息提取，但是存在模型复杂以及训练时间较长的问题。为此，提出一种基于DeeplabV3+深度语义分割模型的无人机遥感影像烟草种植面积精确提取方法。首先通过采用四种经典的轻量化骨干网络（Xception、MobilenetV1、MobilenetV2和Resnet50）替换DeeplabV3+原始的空洞卷积结构（Atrous Conv）结构来训练数据集；其次比较分析不同骨干网络对烟草特征的提取能力；最后，通过训练的模型对预测图像进行语义分割，并使用平均交并比（mean Intersection over Union,mIoU）来评价准确率。实验结果表明，使用Xception、MobelnetV1、MobelnetV2和Resnet50对71张预测图像进行语义分割，得到的mIoU分别为95.58、93.95、94.86和90.45，语义分割准确率较高。