用于卫星图像猪草检测的 AI

卫星图像中自动检测索氏猪殃殃的 AI 工具

Yandex 数据分析学院、Yandex 社会技术中心以及 StopHogweed 运动的开发者推出了一款基于计算机视觉的服务，用于检测索氏猪殃殃侵扰。该工具相比手动方法，将图像标注速度提高了 50 倍。它对环保组织、国家公园、科学家和农民免费开放。模型在 Yandex Cloud 上使用包含 10,000 张显示侵扰热点卫星图像的数据集进行训练。验证采用 IoU 指标评估检测准确性，随后由 StopHogweed 专家进行审查。

技术基础与测试

该服务利用 Yandex 自有的计算机视觉模型。算法在高分辨率图像中分割猪殃殃区域。志愿者使用来自俄罗斯欧洲部分 17 个地区的数据测试了该工具。它检测到 421 公顷侵扰区域，包括莫斯科和莫斯科州的全面覆盖。根据标注，目前正在开展根除行动：挖掘根部并修剪花序，主要针对保护区。

一个实际案例是在普列什切耶沃湖国家公园（雅罗斯拉夫尔州）检测到一个主要热点，该热点已成功根除。

服务实际使用

用户上传带有地理参照的 GeoTIFF 格式卫星图像。算法返回侵扰区域的标注。已处理数据可在交互式地图上查看。对于未处理区域，服务会自动生成分割。

• 输入数据格式：带有地理参照元数据的 GeoTIFF。
• 输出：地图上热点区域的矢量轮廓。
• 优势：将标注时间缩短高达 50 倍，可扩展至大片区域。
• 目标用户：GIS 专家、生态学家以及熟练处理卫星数据的志愿者。

扩展计划

2026 年，该服务将扩展至特维尔州和雅罗斯拉夫尔州的 100,000 平方公里覆盖范围。开发者将整合 Roszapovedtsentr 的数据，用于联邦重要保护区。计划包括针对其他入侵物种训练模型：

• Echinocystis lobata。
• 两种金凤花。

目标是创建一个统一的猪殃殃热点全国地图。该工具在复杂地貌上保持准确性，这对于 GIS 系统中的入侵植物监测至关重要。

要点

• 得益于经过 IoU 验证的计算机视觉模型，将标注速度提高 50 倍。
• 在 17 个地区检测到 421 公顷侵扰，全面覆盖莫斯科和莫斯科州。
• 到 2026 年夏季扩展至 100,000 平方公里的保护区。
• 扩展至 Echinocystis 和金凤花，实现全面监测。
• 免费访问，支持 GeoTIFF 以集成 GIS。

该服务展示了机器学习在生态领域的强大威力，在保持质量指标的同时最大限度减少人工劳动。

— Editorial Team