您好,歡迎來(lái)到深圳市鵬錦科技有限公司!
如今,無(wú)人機(jī)早已解決 “看得見(jiàn)" 的問(wèn)題。可實(shí)際應(yīng)用中,如動(dòng)物保護(hù)場(chǎng)景,屏幕上的微弱熱源如何體現(xiàn):它是不是動(dòng)物?是哪種動(dòng)物?數(shù)量多少?地理坐標(biāo)多少?
面對(duì)實(shí)時(shí)影像,人工判斷存在天然瓶頸,作業(yè)一線亟需一臺(tái)更聰明、能 “看得懂" 的無(wú)人機(jī)。

四川省大熊貓科學(xué)研究院,正在用 "大疆Matrice 4T 無(wú)人機(jī) + 邊緣 AI 計(jì)算"的深度應(yīng)用,為我們呈現(xiàn)一個(gè)全新的智慧巡護(hù)范式。本文將拆解其背后的 AI 算法工作流,探尋技術(shù)賦能生態(tài)治理的價(jià)值。
傳統(tǒng)動(dòng)物保護(hù)工作的困境
四川省唐家河自然保護(hù)區(qū),面積廣達(dá) 400 平方公里,海拔跨度 1000 米至 3864 米,森林覆蓋率高達(dá) 96.15%。這里孕育著大熊貓、金絲猴、扭角羚等 3800 余種野生動(dòng)物。高山深林、地形復(fù)雜,傳統(tǒng)的野生動(dòng)物保護(hù)工作,長(zhǎng)期面臨 2 大困境:
1. 安全隱患與高昂成本: 科研人員需徒步穿越原始森林,費(fèi)時(shí)費(fèi)力,有時(shí)難以找到動(dòng)物蹤跡;找到動(dòng)物后,抵近觀察又極易驚擾動(dòng)物,同時(shí)需面對(duì)復(fù)雜天氣與野生動(dòng)物侵襲等風(fēng)險(xiǎn)。
2. 數(shù)據(jù)滯后與覆蓋不足: 過(guò)往依賴紅外相機(jī)或望遠(yuǎn)鏡獲取動(dòng)物信息。紅外相機(jī)需要提前放置,定期取回,數(shù)據(jù)信息滯后且效率有限。望遠(yuǎn)鏡則視野有限,依賴人工判斷,無(wú)法全面、準(zhǔn)確的監(jiān)測(cè)。
硬件升級(jí)后的 “數(shù)據(jù)處理瓶頸"
保護(hù)區(qū)工作人員引入大疆 Matrice 4T 無(wú)人機(jī),“高空熱成像 + 近紅外補(bǔ)光" 的模式,大幅提升了夜間及密林環(huán)境下的觀測(cè)效率。借助無(wú)人機(jī)的全新視角,讓 “兩座大山" 不再巍峨、難以攀登。


夜間近紅外補(bǔ)光燈隱秘觀測(cè)
無(wú)人機(jī)高空監(jiān)測(cè),具備高度的機(jī)動(dòng)性,且在合適的高度以上,不會(huì)對(duì)動(dòng)物造成干擾。同時(shí),生態(tài)保護(hù)團(tuán)隊(duì)可以與觀測(cè)的動(dòng)物種群,保持非常安全的距離。利用無(wú)人機(jī)熱成像和夜視能力,動(dòng)物活動(dòng)頻繁的夜間,也能方便觀測(cè)。無(wú)人機(jī)像一只靈活的長(zhǎng)臂、一只千里眼,極大擴(kuò)展有效工作半徑。
但基礎(chǔ)的硬件升級(jí),仍存在實(shí)際應(yīng)用的痛點(diǎn)。作業(yè)現(xiàn)場(chǎng),需要人眼判別熱源類型,作業(yè)后,需篩查海量影像數(shù)據(jù)。靠人工從成千上萬(wàn)張圖片、視頻里辨識(shí)、統(tǒng)計(jì)、分析野生動(dòng)物的活動(dòng),不僅效率低,難度也很大,引入端到端的 AI 算法勢(shì)在必行。
為無(wú)人機(jī)部署 “智慧大腦"
為解決現(xiàn)場(chǎng)識(shí)別與后期數(shù)據(jù)處理問(wèn)題、充分發(fā)揮機(jī)載算力,研究團(tuán)隊(duì)基于歷史熱成像數(shù)據(jù),開(kāi)展了端到端的 AI 模型訓(xùn)練,成功將輕量化算法部署于大疆 Matrice 4T 無(wú)人機(jī)。其核心工作流包含以下關(guān)鍵步驟:
1. 構(gòu)建高質(zhì)量數(shù)據(jù)底座:團(tuán)隊(duì)基于熱成像視頻精準(zhǔn)抽幀,構(gòu)建了 17984 張高質(zhì)量標(biāo)注數(shù)據(jù)集,經(jīng)專家交叉校驗(yàn)(Kappa 系數(shù) ≥0.91),確保數(shù)據(jù)質(zhì)量。
2. 核心算法攻關(guān)與優(yōu)化:針對(duì)野生動(dòng)物熱成像小目標(biāo)、易遮擋問(wèn)題,基于 YOLOv8 架構(gòu),采用 "CSPDarknet 骨干網(wǎng)絡(luò) + PAFPN 特征融合" 結(jié)構(gòu),并使用 "CIoU+Sigmoid+DFL 聯(lián)合損失函數(shù) “優(yōu)化小目標(biāo)漏檢;在 2×RTX 3090 下訓(xùn)練 129 小時(shí),模型充分掌握了中華扭角羚、小麂、川金絲猴等物種的熱成像特征。
3. 模型輕量化與邊緣部署:團(tuán)隊(duì)將訓(xùn)練完成的權(quán)重文件(.pt)進(jìn)行了輕量化處理,上傳至大疆開(kāi)發(fā)者平臺(tái)。文件經(jīng)過(guò)自動(dòng)量化轉(zhuǎn)化后,算法數(shù)分鐘就能安裝到飛行器,實(shí)現(xiàn) “即裝即用"、實(shí)時(shí) AI 推理。

算法助力,開(kāi)啟 AI 智能時(shí)代
依托大疆 Matrice 4T的邊緣計(jì)算能力,單幀推理速度僅需 112ms,滿足實(shí)時(shí)追蹤需求(<150ms 標(biāo)準(zhǔn))。無(wú)人機(jī)在空中飛行時(shí),屏幕端即可實(shí)時(shí)框選目標(biāo)、顯示物種類型及置信度,效率提升超 10 倍。野外實(shí)測(cè)顯示,模型核心指標(biāo) mAP@0.5 達(dá) 85.3%,在遮擋場(chǎng)景下召回率保持 76.8%、誤報(bào)率(FPPI)僅 0.023,優(yōu)于 0.03 的行業(yè)基準(zhǔn)。
以保護(hù)區(qū)內(nèi)數(shù)量多(超 1300 只)、體型龐大且群居的扭角羚(羚牛)為例:人員下發(fā)航線后,無(wú)人機(jī)自動(dòng)巡飛,結(jié)合激光測(cè)距與 AI 識(shí)別,可精準(zhǔn)獲取扭角羚的種群分布、體長(zhǎng)與活動(dòng)軌跡。實(shí)現(xiàn)零干擾監(jiān)測(cè),提高研究效率,降低人員巡護(hù)風(fēng)險(xiǎn)。

機(jī)載AI算法現(xiàn)場(chǎng)識(shí)別、計(jì)數(shù)
如今,內(nèi)置了動(dòng)物 AI 算法模型的大疆 Matrice 4T 無(wú)人機(jī),正在唐家河自然保護(hù)區(qū),實(shí)時(shí)觀測(cè)各類動(dòng)物的動(dòng)態(tài)并統(tǒng)計(jì)種群數(shù)量,動(dòng)物保護(hù)工作進(jìn)入 AI 智能時(shí)代。
“低空 + AI" 賦能生態(tài)治理
唐家河項(xiàng)目驗(yàn)證的技術(shù)路徑,具備高度的可遷移性和行業(yè)普適性。其“數(shù)據(jù)采集 → 模型訓(xùn)練 → 邊緣部署" 的核心邏輯,可快速?gòu)?fù)制。機(jī)載算法已在中華扭角羚、小麂、川金絲猴等物種上取得顯著成效,團(tuán)隊(duì)已將目光投向 “二期擴(kuò)展":
1. 應(yīng)對(duì)環(huán)境: 提升算法在夏季高溫條件下的熱成像靈敏度,解決高溫環(huán)境背景熱噪對(duì)識(shí)別率的干擾。
2. 拓展物種版圖: 提升模型泛化能力,將大熊貓及更多伴生動(dòng)物納入檢測(cè)名錄,并探索多模態(tài)(可見(jiàn)光 + 熱成像)融合識(shí)別。 “二期拓展動(dòng)物" 熱成像資料

通過(guò)邊緣計(jì)算將 AI 能力前置,使得無(wú)人機(jī)在無(wú)網(wǎng)絡(luò)或弱網(wǎng)環(huán)境下,仍能獨(dú)立實(shí)時(shí)分析、即時(shí)告警,將傳統(tǒng) “采集 - 回傳 - 處理" 的串行工作流,升級(jí)為 “邊飛邊識(shí)、即見(jiàn)即知" 的并行智能流程。

從依賴 “人力與經(jīng)驗(yàn)" 的傳統(tǒng)巡護(hù),到依托 “全域感知與智能分析" 的數(shù)字化監(jiān)測(cè),四川省大熊貓科學(xué)研究院的探索,是低空經(jīng)濟(jì)與行業(yè)智能化融合的生動(dòng)實(shí)踐。隨著無(wú)人機(jī)機(jī)場(chǎng)普及與 AI 算法迭代,這套 “感知 - 分析 - 決策" 一體化范式,必將向更廣闊的林業(yè)、環(huán)保、應(yīng)急、能源等領(lǐng)域延伸,為各行各業(yè)的數(shù)字化轉(zhuǎn)型,提供穩(wěn)定可靠的智能解決方案。
我們期待,在無(wú)人機(jī)的智能化應(yīng)用輔助下,各行各業(yè)的工作,能真正變得輕松而高效,“一覽眾山小"。