在基于SLMW-Net的无人机遥感图像中检测松病
Xiaoli Yuan1, Guoxiong Zhou1, Yongming Yan1
1Institute of Artificial Intelligence Application, Central South University of Forestry and Technology, Changsha 410004, China.
Plants (Basel, Switzerland)
|August 28, 2025
概括
一种名为SLMW-Net的新模型使用先进的无人机图像分析来早期发现松病. 这种自动化方法改善了森林监测,
科学领域:
- 林业与生态
- 遥感技术
- 人工智能
背景情况:
- 松树虫引起的松树病是森林生态系统的全球威胁.
- 快速检测和清除对于防止疾病传播至关重要.
- 目前基于无人机的检测方法面临复杂的背景,微妙的特征提取和预测偏差的挑战.
研究的目的:
- 通过无人机遥感,开发用于早期检测松病的自动化系统.
- 引入一个新的深度学习模型,SLMW-Net,旨在克服现有的检测挑战.
- 创建一个专门的数据集,ARen,用于训练和评估松病检测模型.
主要方法:
- 开发一个包含自学特征提取模块 (SFEM) 和微特征注意机制 (MFAM) 的SLMW-Net模型.
- 引入加权和线性缩放的IOU损失 (WLIoU损失) 来增强模型的学习和概括.
- 对新创建的ARen数据集进行SLMW-Net的培训和验证,将其性能与七种现有方法进行比较.
主要成果:
- 与ARen数据集中的其他七种方法相比,SLMW-Net获得了更高的性能.
- 该模型获得了86.7%的mAP@0.5和40.1%的mAP@0.5:0.95.
- 与骨干模型相比,SLMW-Net显著改善,mAP@0.5从83.9%增加到86.7%.
结论:
- 拟议的SLMW-Net有效地解决了无人机检测松病的关键问题.
- 该模型在特征提取和注意力机制方面的能力提高了早期疾病识别.
- 通过改善疾病监测, SLMW-Net 为保护森林健康和保持生态平衡提供了强有力的解决方案.
