YOLO-PTHD:基于无人机的深度学习模型,用于检测侵袭性木 (Hymenoptera, Siricidae) 引起的松树衰退的可见表型迹象
Wenshuo Yang1,2, Jiaqiang Zhao3, Dexu Zhu1,2
1Beijing Key Laboratory for Forest Pest Control, Beijing Forestry University, Beijing 100083, China.
Insects
|August 28, 2025
概括
一个新的深度学习模型,YOLO-PTHD, 通过无人机图像有效地检测松树的衰退. 这项技术有助于早期森林害虫和疾病监测,
科学领域:
- 森林管理
- 植物病理学
- 计算机视觉
背景情况:
- 虫是一种侵袭性害虫,导致松树的大量减少.
- 由于森林的视觉复杂性, 从无人机图像中检测松树的衰落是具有挑战性的.
研究的目的:
- 在无人机图像中检测松树衰退的轻量级深度学习模型YOLO-PTHD.
- 评估模型的性能和概括能力.
主要方法:
- 开发了带式卷积的YOLO-PTHD,通道感知注意力,以及对尺度敏感的动态损失函数.
- 建立一个基于无人机的Sirex Woodwasp数据集用于培训和验证.
- 在独立的松病数据集上测试模型.
主要成果:
- 在定制数据集上,YOLO-PTHD实现了高性能,mAP为0.923和F1得分为0.866.
- 该模型在不同症状和成像条件的不同数据集上展示了强大的概括能力.
- 现场验证证实在现实疫情地区可靠地检测到受损树木.
结论:
- YOLO-PTHD显示了大规模,自动化的松树健康监测的巨大潜力.
- 基于无人机的视觉分析为森林管理和早期病虫检测提供了强大的工具.
- 该模型的组件解决了检测树木衰退的微妙视觉线索的具体挑战.
