从无人机图像中对阿尔卑斯山草原中的高原佐科尔山丘的细分,使用了改进的UNet网络
Yang Yang1, Lianguo Wang2, Limin Hua3
1College of Information Science and Technology, Gansu Agricultural University, Lanzhou, 730070, China.
Scientific reports
|December 12, 2025
概括
这项研究介绍了VGG-Dice-PSA UNet (VDP_UNet),这是一种深度学习模型,可以使用无人机图像准确地检测高原草中的高原科尔丘. 这种方法可以改善动物控制和草原管理.
科学领域:
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
- 计算机科学 计算机科学
背景情况:
- 高原佐科尔山丘对阿尔卑斯山草原造成了重大破坏.
- 对于zokor丘陵的传统调查是低效和劳动密集的.
- 准确的检测对于动物控制和草原管理至关重要.
研究的目的:
- 开发一种增强的深度学习模型,用于从无人机图像中对科尔进行细分.
- 为了提高高山草原中zokor丘陵检测的效率和准确性.
- 为动物控制和可持续生态系统管理提供技术支持.
主要方法:
- 引入了VGG-Dice-PSA UNet (VDP_UNet),将VGG16和一个极化自我注意 (PSA) 模块集成到UNet架构中.
- 利用子损失来缓解训练期间的过度匹配和类不平衡.
- 在自定义的高分辨率zokor山丘数据集上训练和评估模型.
主要成果:
- VDP_UNet实现了高绩效指标,包括51.99%的IOU和75.63%的MIoU.
- 与现有的深度学习模型相比,该模型在细分zokor山丘方面表现出卓越的性能.
- 实现了 42.13 f/s 的高每秒 (FPS),表明了高效的处理.
结论:
- VDP_UNet有效地对阿尔卑斯山草原中的zokor山丘进行细分,增强无人机图像的特征提取.
- 该研究提供了一种用于估计山丘面积的实用方法,并支持对动物的控制工作.
- 这项研究为阿尔卑斯山生态系统的可持续发展提供了技术支持.
