在无人机上使用深度学习的斑点海等级双模型检测框架
Jun Liu1, Fengxiang Jin1,2,3, Min Ji1,2,3
1College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China.
Animals : an open access journal from MDPI
|November 13, 2025
概括
本研究提出了一种双模型深度学习框架,用于使用无人机 (UAV) 监测斑点海. 该系统提高了检测准确度和海洋物种保护的效率.
科学领域:
- 海洋生物学 海洋生物学
- 生态生态学 生态生态学
- 计算机科学 计算机科学
背景情况:
- 精确监测海上临灭绝的物种,如斑点海,对于保护至关重要.
- 传统的监控方法面临挑战,包括弱目标特征和背景干扰.
- 无人机 (UAV) 的边缘计算能力有限,阻碍了实时数据处理.
研究的目的:
- 为准确的斑点海监测开发一个层次的双模型深度学习框架.
- 解决无人机生态监测方面的挑战,包括计算限制和检测准确性.
- 为长期监测危海洋物种提供高效的技术解决方案.
主要方法:
- 在无人机上部署一个优化的FF-YOLOv10轻量级模型,以快速定位目标.
- 在地面站上使用增强的PP-YOLOv7模型进行精确的检测.
- 实施一个分层框架,将边缘和地面站处理结合起来.
主要成果:
- 通过FF-YOLOv10模型,计算复杂度降低了24.2%,推断速度增加了33.3%.
- PP-YOLOv7模型的精度为94.2%,召回率增加了1.9%.
- 双模型框架显著提高了斑点海的检测效率和准确性.
结论:
- 拟议的框架为监测危海洋物种提供了高效和精确的技术解决方案.
- 这种方法支持息地保护政策制定和生态系统健康评估.
- 无人机的深度学习在具有挑战性的环境中为生态监测提供了一个可行的战略.
