一個擁有50,000棵樹的苗圃過去要花三天來清點。團隊拿著剪貼板沿著行列走,在午後的酷熱中迷失位置,然後從頭開始。現在只需要一次無人機飛行和一個從上方繪製每棵樹的AI模型。
樹木和植物計數是苗圃、果園和造林項目中最耗時的任務之一。保險公司要求精確數字。買家需要確認出貨數量。管理者需要知道哪些樹過了冬天。這種規模的人工清點緩慢、不一致且昂貴。AI驅動的空中計數提供了一條更快的途徑來獲得同樣的答案。
為什麼準確的樹木計數很重要
樹木計數不僅僅是庫存管理。它驅動著真正的財務決策。
苗圃按精確數量銷售樹木。10,000棵樹苗的訂單需要精確履行,苗圃在做出承諾之前需要知道它有10,000棵還是9,400棵。暴風雨或病害後的保險理賠需要有文件記錄的計數來證明損失。果園管理者根據樹木計數估算產量,樹木計數5%的誤差直接轉化為收穫規劃5%的誤差。
對於造林項目,清點已種植的樹木可驗證是否符合環境法規和碳信用承諾。這些計數通常需要覆蓋數百公頃不平坦的地形,在那裡逐行步行是不切實際的。
空中AI計數的工作原理
過程分三步:飛行、拍攝和計數。
配備RGB相機的無人機以網格模式在目標區域上方30到80公尺的高度飛行,具體高度取決於樹木大小和密度。飛行拍攝覆蓋田地每個區域的重疊影像。對於10公頃的苗圃,飛行需要15到30分鐘。
影像上傳到經過空中樹木偵測訓練的AI模型。模型掃描每張影像,識別個別樹冠或樹幹,並用偵測點標記它們。重疊影像被拼接在一起,確保每棵樹只被計數一次,不會在幀間重複。
輸出結果是總計數加上一張地理參考地圖,顯示每棵被偵測到的樹的精確位置。苗圃管理者可以放大查看、驗證偵測結果,並發現樹木缺失或死亡的空缺。
準確度基準
準確度取決於樹冠密度、影像解析度和樹木間距。近期研究的數據令人鼓舞。
在密集樹冠條件下達到93%到95%的準確度。減少超過70%的人工工作量,影像處理速度比傳統方法快近5倍。
即時UAS計數系統達到99.09%的F1分數,在飛行過程中正確識別樹木,起飛後幾秒內就有結果。
樹幹偵測準確率95%,平均精確度0.977,比人工方法速度提高515%。
模式是一致的:在整齊排列中間距良好的樹木產生95%以上的準確度。密集、重疊的樹冠將準確度降低到90%出頭,因為模型難以分離從上方視覺上融合在一起的個別樹冠。
空拍樹木照片的最佳實踐
- 在40到60公尺高度飛行,以獲得覆蓋範圍和解析度的最佳平衡
- 使用70%到80%的影像重疊率確保完整覆蓋和準確拼接
- 在正午或陰天條件下飛行,減少干擾樹冠偵測的陰影
- 避免在大風天飛行,因為樹枝搖擺會模糊影像
- 對於密集樹冠,飛行高度降低以增加每棵樹的解析度
- 在一致的高度拍攝影像,以保持整個資料集的比例統一
不只是計數:空中AI還揭示了什麼
從無人機影像中計數樹木會產生一個有用的副產品:空缺地圖。缺失的樹木、死樹和生長不良的區域在偵測圖案中顯示為空洞。苗圃管理者使用這些空缺地圖來規劃補種、安排灌溉調整,以及在病蟲害爆發擴散之前識別它們。
一些系統將計數與健康分類結合,使用多光譜影像標記顯示壓力跡象的樹木。單次無人機飛行可以提供庫存計數、健康評估和空缺分析,這三項任務在地面上需要分別進行人工作業。
需要了解的限制
- 密集、重疊的樹冠 會降低準確度,因為個別樹木從上方視覺上融合在一起。滿葉的落葉樹種比冬季光禿的樹木更難分離。
- 30公分以下的極幼小苗 在標準無人機高度下可能太小而無法可靠偵測。降低飛行高度有幫助但會減少覆蓋範圍。
- 混合樹種種植 中不同大小的樹木重疊可能會混淆在整齊行列上訓練的模型。
- 法規限制 禁止在機場、都市區域或受保護空域附近的無人機飛行,可能限制你可以飛行的地點。
總結
無人機AI樹木計數將多天的人工工作變成一次飛行。準確度足以滿足保險理賠、銷售訂單和法規合規的要求,且隨著每一代新模型而不斷提升。
如果你的作業是拿著剪貼板沿行列步行來計數樹木,試試在同一區域上方飛一架無人機。計數結果會在無人機降落前就顯示在你的螢幕上,而地圖會讓你看到地面步行永遠無法看到的東西。