一家拥有50,000棵树的苗圃过去需要花三天时间来数树。团队拿着记录板沿着行列走,在午后的高温中弄丢了计数,然后重新开始。现在只需一次无人机飞行和一个从空中映射每棵树的AI模型即可完成。
树木和植物计数是苗圃、果园和造林项目中最耗时的任务之一。保险公司要求精确数字。买家需要确认发货数量。管理者需要知道什么挺过了冬天。在这种规模下的人工计数既缓慢、不一致,又昂贵。AI驱动的航空计数提供了一条通往同样答案的更快路径。
为什么精确的树木计数很重要
树木计数不仅仅是库存管理,它驱动着真实的财务决策。
苗圃按精确数量销售树木。一个10,000棵树苗的订单需要精确交付,苗圃需要在做出承诺之前知道自己有10,000棵还是9,400棵。风暴或病害后的保险理赔需要有记录的计数来证明损失。果园管理者根据树木数量估算产量,计数中5%的误差直接转化为收获规划中5%的误差。
对于造林项目,计数种植的树木可以验证是否符合环境法规和碳信用承诺。这些计数通常需要覆盖数百公顷的不平坦地形,在那里逐行走过是不切实际的。
航空AI计数的工作原理
该过程分为三个步骤: 飞行、拍摄和计数。
配备RGB相机的无人机以30到80米的高度在目标区域上方以网格模式飞行,具体取决于树木大小和密度。飞行拍摄覆盖田地每个部分的重叠图像。对于10公顷的苗圃,飞行需要15到30分钟。
图像上传到经过航空树木检测训练的AI模型。模型扫描每张图像,识别单个树冠或树干,并用检测点标记它们。重叠图像被拼接在一起,确保每棵树只被计数一次,不会在帧之间重复。
输出是总计数加上一张显示每棵检测到的树的精确位置的地理参考地图。苗圃管理者可以放大查看、验证检测结果,并发现树木缺失或死亡的空隙。
精度基准
精度取决于树冠密度、图像分辨率和树木间距。最近研究的数据令人鼓舞。
在密集树冠条件下达到93到95%的精度。减少超过70%的人工工作量,处理图像的速度比传统方法快近5倍。
实时UAS计数系统达到了99.09%的F1分数,在飞行过程中正确识别树木,起飞后数秒即可获得结果。
树干检测精度达95%,平均精度为0.977,速度比人工方法提高515%。
规律是一致的: 均匀排列中间距良好的树木达到95%以上的精度。密集、重叠的树冠将精度降低到90%出头,因为模型难以分离从上方视觉上融合的单个树冠。
航空树木拍摄最佳实践
- 在40到60米高度飞行,以获得覆盖范围和分辨率的最佳平衡
- 使用70到80%的图像重叠率,确保完整覆盖和精确拼接
- 在正午或阴天条件下飞行,以减少干扰树冠检测的阴影
- 避免在刮风天飞行,因为树枝摇晃会导致图像模糊
- 对于密集树冠,飞行更低以提高每棵树的分辨率
- 在恒定高度拍摄图像,以在整个数据集中保持统一比例
超越计数: 航空AI还揭示了什么
从无人机图像进行树木计数会产生一个有用的副产品: 空隙地图。缺失的树木、死亡的树木和生长不良的区域在检测模式中显示为空洞。苗圃管理者使用这些空隙地图来规划补植、安排灌溉调整,以及在害虫或病害暴发扩散之前识别它们。
一些系统将计数与健康分类相结合,使用多光谱成像来标记显示压力迹象的树木。单次无人机飞行可以提供库存计数、健康评估和空隙分析,这三项任务在地面上需要各自独立的人工操作。
需要了解的局限性
- 密集、重叠的树冠会降低精度,因为从上方看个别树木在视觉上融合在一起。满叶的落叶树种比冬季光秃的树木更难分离。
- 30厘米以下的幼苗可能太小,无法从标准无人机高度可靠地检测到。更低的飞行有帮助,但会减少覆盖范围。
- 不同树木大小重叠的混合树种种植可能会混淆在均匀行列上训练的模型。
- 关于机场、城市地区或受保护空域附近无人机飞行的法规限制可能限制可飞行的区域。
总结
基于无人机的AI树木计数将数天的人工工作变成一次飞行。精度足以满足保险理赔、销售订单和法规合规的要求,并且随着每一代新模型的出现而不断提高。
如果您的运营是通过拿着记录板走行列来数树,请尝试在同一区域上方放飞无人机。计数将在无人机着陆前显示在您的屏幕上,地图将向您展示地面行走永远无法揭示的内容。