基于改进YOLOv8的无人机遥感影像树种识别方法

为利用周围环境信息识别不同树种,建立松树(Pinus spp.)、杉木(Cunninghamia lanceolata)、桉树(Eucalyptus spp.)和其他阔叶树的高分辨率无人机影像数据集,验证YOLOv8-LSK算法的识别效果;通过公共数据集,验证YOLOv8-LSK算法的泛化能力;为验证YOLOv8-LSK算法的精确率,将YOLOv8-LSK算法与5种算法进行对比;通过消融试验,验证YOLOv8-LSK算法的有效性。为验证空间注意力效果,采用YOLOv8算法作为基线,将LSK模块与不同轻量级模块进行比较。结果表明,与R3Det、CFA、AOPG和RVSA算法相比,YOLOv8-LSK算法mAP最高(81.23%),泛化能力较高。与TridentNet、RT-DETR、ReDet、Faster-RCNN和RTMDet算法相比,YOLOv8-LSK算法mAP最高(78.61%),精确率较高。消融试验结果表明,与YOLOv8、YOLOv7和YOLOv6算法相比,YOLOv8-LSK算法mAP显著提升。与CBAM、SKNet和ConvNext模块相比,YOLOv8-LSK算法mAP最高(78.61%)。YOLOv8-LSK算法识别的树种图斑边界均较明显,感受野更大。