在使用深度学习的卫星图像中自动检测犀牛

科学领域:

• 保护技术 保护技术
• 遥感 遥感 遥感 遥感
• 野生动物监测 野生动物监测

背景情况:

• 犀牛种群面临来自偷猎和息地丧失的严重威胁.
• 在广的偏远地区监测犀牛带来了重大后勤挑战.

研究的目的:

• 评估超高分辨率卫星图像和人工智能用于检测白犀牛的有效性.
• 评估合成数据增强对检测模型性能的影响.
• 为了确定犀牛是否可以在卫星图像中与大象区分开来.

主要方法:

• 使用基于YOLO的物体检测模型 (YOLOv12x) 与卫星图像 (33-36厘米分辨率) 结合使用.
• 测试了合成图像,以提高模型性能,并区分犀牛和大象.
• 评估了人类注释者对合成与真实的犀牛图像的视觉区分能力.

主要成果:

• 实现了0.65的犀牛检测的平均精度 (AP).
• 合成数据增强在模型性能上提供了微不足道的改善.
• 在卫星数据中证明了区分犀牛和大象的潜力.

结论:

• 卫星图像与人工智能相结合,为监测犀牛种群提供了一种可行的方法.
• 开发的开放访问数据集支持野生动物检测技术的进步.
• 这种方法可以支持犀牛保护战略,包括反偷猎和种群评估.