Обнаружение рисовых сеянцев с помощью БПЛА на большой площади с большого высоты

Точное количественное определение сеянцев риса на полевых посевах имеет решающее значение для оценки потенциала урожайности и управления точным земледелием. Дистанционное зондирование с использованием беспилотных летательных аппаратов (БПЛА), обладающее высокой пространственной разрешающей способностью и широким покрытием, обеспечивает прочную основу для точного обнаружения сеянцев и оценки плотности популяции. В прежних исследованиях БПЛА обычно использовались на относительно малых высотах, что давало изображения высокого разрешения и облегчало распознавание сеянцев, но снижало эффективность мониторинга больших площадей. Для мониторинга обширных участков необходимы полёты на больших высотах, что уменьшает разрешение изображений и отрицательно сказывается на точности распознавания сеянцев риса. В настоящем исследовании БПЛА выполняли съёмку с высоты 30 м; полученные изображения с более низким разрешением в сочетании с малыми размерами сеянцев, их плотным пространственным распределением и сложным фоном поля требовали улучшений алгоритмов для точного обнаружения. Для решения этих задач мы предлагаем усовершенствованную модель обнаружения на базе You Only Look Once version 8 nano (YOLOv8n), специально разработанную для повышения точности распознавания сеянцев на изображениях БПЛА с большой высоты. Модель включает улучшенную двунаправленную сеть пирамидальных признаков (Bidirectional Feature Pyramid Network, BiFPN) для слияния признаков на нескольких масштабах и обнаружения мелких объектов, модуль глобально-локальной пространственной агрегации (Global-to-Local Spatial Aggregation, GLSA) для насыщенного моделирования пространственного контекста и модуль объединения внимания, управляемого содержанием (Content-Guided Attention Fusion, CGAFusion) для улучшения обучения дискриминативных признаков. Эксперименты на изображениях, полученных с большой высоты, показали, что предлагаемая модель достигает mAP@0.5 94.7%, точности (precision) 91.0% и полноты (recall) 91.2%, что на 2.3% превосходит исходную YOLOv8n. Эти результаты подчёркивают инновационность модели в обработке изображений БПЛА с большой высоты для обнаружения сеянцев риса на больших площадях и демонстрируют её эффективность и практический потенциал в сложных полевых условиях.