ALPD-Net:一个基于无人机图像的野生甘检测网络.
Jing Yang1, Huaibin Qin1, Jianguo Dai1
1College of Information Science and Technology, Shihezi University, Shihezi, China.
Frontiers in plant science
|August 6, 2025
概括
这项研究介绍了ALPD-Net,这是一种用于识别野生甘的无人机检测网络. 该模型准确地绘制了甘分布图,有助于防止过度采摘的保护工作.
科学领域:
- 植物学 植物学
- 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:
- 野生甘露在生态和医学上都很重要,但由于过度采摘而受到威胁.
- 传统的调查方法不足以在复杂的地形上进行大规模监测.
- 准确的分布和生长条件数据对于野生甘的保护至关重要.
研究的目的:
- 开发一种用于精确识别野生甘和分布映射的新方法.
- 解决使用无人机 (UAV) 技术的传统调查方法的局限性.
- 创建一个强大的深度学习模型,用于在不同的环境中检测野生甘.
主要方法:
- 使用无人机收集了一组新的野生甘图像数据集.
- 一个新的检测网络ALPD-Net被提出,它包含一个自适应背景抑制模块 (ABSM) 和一个轻量级多尺度模块 (LMSM).
- 一个渐进特征融合模块 (PFFM) 已开发,以增强特征融合和减少信息丢失.
主要成果:
- ALPD-Net实现了高检测准确度,精度为73.3%,回忆率为76.1%,并达到79.5%mAP50.
- 与主流物体检测模型相比,该模型在识别野生甘方面表现优越.
- ALPD-Net显著减少了错过和错误检测,提高了调查的可靠性.
结论:
- 通过无人机遥感,ALPD-Net提供了一个有前途的解决方案,用于使用无人机遥感进行准确和高效的大规模野生甘监测.
- 开发的网络有效地处理复杂的背景和不同的甘尺度.
- 这项技术支持可持续管理和保护有价值的野生甘资源.


