评估用于在红外空中图像中检测考拉的自动化物体检测算法

科学领域:

• 生态与保护科学 生态与保护科学
• 计算机视觉和图像处理
• 野生动物监测技术

背景情况:

• 有效的野生动物监测至关重要,特别是对于难以捉摸的树木物种,如考拉 (Phascolarctos cinereus).
• 在树种植园中对考拉进行监测,需要自动检测系统,以减轻与手动观察相关的风险和乏味.
• 考拉探测的挑战包括低对比度,遮盖的遮蔽以及复杂的背景,阻碍了准确性.

研究的目的:

• 引入和评估一种新的生物灵感检测算法,用于在树种植园中定位考拉.
• 将新算法的性能与现有的图像处理和基于神经网络的方法进行比较.
• 分析遮蔽对考拉探测的影响,并为基于无人机的监测策略提供见解.

主要方法:

• 开发一种生物启发的视觉系统,以增强对比度和消除杂乱.
• 与其他十种检测技术 (包括神经网络) 相比,对算法的性能进行评估.
• 使用模拟和真实的空中红外图像对考拉闭塞的分析.
• 创建和发布一个新的高动态范围红外图像数据集,用于考拉检测研究.

主要成果:

• 与竞争的神经网络和计算机视觉方法相比,生物启发的算法实现了超过27%的更高检测率.
• 考拉被树干和树冠所遮蔽,对检测有很大的影响,高达40%的考拉在图像中完全被遮蔽.
• 阻塞的可能性受无人机位置的影响,当直接在头顶时更高,在外围时更低.

结论:

• 这种生物启发的算法为在具有挑战性的种植环境中自动检测考拉提供了卓越的解决方案.
• 了解阻塞模式对于优化无人机飞行路径和提高检测效率至关重要.
• 公开可用的数据集将促进对自动化野生动物检测系统的进一步研究和开发.