基于无人机遥感图像的红树林树种的语义细分网络
Xin Wang1,2,3, Yu Zhang4, Jingye Ca1
1School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, 610000, China.
Scientific reports
|December 2, 2024
概括
本研究介绍了UrmsNet,这是一种新的AI模型,用于使用RGB图像准确识别红树林物种,显著降低生态监测的成本和复杂性. 它为传统遥感方法提供了更高效,更精确的替代方案.
科学领域:
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 红树林是重要的沿海生态系统,需要准确的物种识别来保护它们.
- 使用多光谱/超光谱传感器的现有监测方法昂贵且复杂.
- 红树林识别的挑战包括相似的外观,环境变化和数据稀缺.
研究的目的:
- 开发一种具有成本效益和准确的方法,用于常规的红树林物种识别.
- 提高红树林监测效率和可用于生态分析的可访问性.
- 用RGB图像来解决红树林物种细分中的数据稀缺问题.
主要方法:
- 拟议的UrmsNet细分网络包括SCConv,自适应选择性注意模块 (ASAM) 和跨层特征融合模块 (CLFFM).
- 开发了一个高质量的RGB图像数据集用于红树林物种细分.
- 使用mIoU和mPA指标评估UrmsNet的性能.
主要成果:
- 在RGB数据上,UrmsNet实现了高精度,mIoU为92.21%和mPA为95.98%.
- 该网络的性能与先进的多光谱/超光谱方法相美,成本和复杂性更低.
- 在外部数据集 (LoveDA, Potsdam, Vaihingen) 上,UrmsNet表现出强的表现,表明了更广泛的适用性.
结论:
- 乌尔姆斯网为常规的红树林物种监测提供了精确,高效和低成本的解决方案.
- 通过将定期超频谱监测与UrmsNet相结合,可以进行全面的生态评估.
- 这项研究为大规模监测沿海生态系统提供了有价值的技术方法.
