智能城市应用

目标检测融合算法在城市湿地生态的应用与优化研究

李超然 (韩山师范学院)

摘要


城市湿地在城市生态安全体系中扮演着不可替代的角色,但在实际保护工作中,监测手段的局限性、多要素动态追踪的难度以及精细化治理的迫切需求等问题依然突出。近年来,目标检测融合算法凭借其整合多源数据的能力、对复杂场景的适应力以及较高的识别精度,为湿地生态保护开辟了一条新路子。文中围绕YOLO 8这一主流检测算法,从城市湿地监测的实际需求出发,梳理了算法在湿地应用中遇到的适配瓶颈与改进空间,在此基础上提出了一种融合算法架构,并分别就植被监测、野生动物保护、人为干扰管控和水环境监控四个主要场景,讨论了该算法的具体应用方式,希望能为城市湿地的数字化保护工作提供一些参考。

关键词


目标检测融合算法;城市湿地;生态保护;智能监测

全文:

PDF

参考


彭凯远,田立勤.基于DMW-YOLOv8的白洋淀湿地航拍目标检测算法[J].华北科技学院学报,2025,22(3):56-66.

练慧俊,郑红.滨海湿地的鸟类监测计数方法:目标检测与密度估计[J].中国水运(下半月),2021,21(5):38-39.

杨任飞.城市湿地遥感图像多层级分类与变化检测研究[J].武汉大学学报(信息科学版),2023,48(12):2105-2105.

孙济伦,谢将剑,张长春,张军国.基于YOLO-DAS模型的湿地水鸟检测方法:以内蒙古南海子湿地为例[J].生物多样性,2025,33(9):147-162.

王青羽,姚国清,方朝阳.基于YOLOv8n的鄱阳湖轻量级鸟类目标检测与识别模型研究[J].江西师范大学学报(自然科学版),2025,49(1):86-94.

王燕妮,张婧菲.改进的YOLOv8无人机小目标检测算法[J].探测与控制学报,2025,47(5):44-50.

梁燕,何孝武,邵凯,等.改进YOLOv8的无人机航拍图像目标检测算法[J].计算机工程与应用,2025,61(1):121-130.

吴迪,赵品懿,甘升隆,沈学军,万琴.基于动态自适应通道注意力特征融合的小目标检测[J].电子科技大学学报,2025,54(2):221-232.




DOI: https://doi.org/10.33142/sca.v9i10.20628

Refbacks

  • 当前没有refback。


版权所有(c){$ COPYRIGHTYEAR} {$ copyrightHolder}

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。