摘要：针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小。此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力。实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%,平均精度均值为78.5%,与YOLO v5s接近。然而,LiTLBNet内存占用量仅2.0 MB,是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

摘要：针对无人机航拍图像小目标占比大和背景复杂的特点,当前目标检测模型存在精度低和小目标漏检等问题。基于YOLOv8s模型,提出了三维多层次特征协同的无人机遥感目标检测算法。首先,在坐标注意力的基础上提出了三维多分支坐标注意力(MBCA),通过增加通道维度的信息交互和扩展分支的拆分融合,减少空间维度的计算量,提高了模型全局特征提取能力。其次,采用SPD-Conv替换部分标准卷积,在下采样时有效保留更多特征信息并加快推理速度。然后,在C2f模块中采用了更高效的FastDBB_Bottleneck模块,结合PConv与DBB结构重参数化叠加,以进一步降低模型计算量。最终,通过引入PG-Detect检测头,显著减少计算量并有效降低小目标的漏检率。在VisDrone2019数据集上的实验结果显示,该方法的mAP50值达到了44.5%,较YOLOv8s基线模型提升了5.7个百分点。同时,在自建水坝裂缝数据集上,进行裂缝检测验证实验,改进方法的mAP50值相比YOLOv8s提升了3.3个百分点,FPS达到289帧。实验结果表明在复杂场景目标检测中,所提方法提升了检测模型的精度和实时性,具有良好的适应性和鲁棒性。

摘要：无人机遥感技术是一种利用无人机设备的测量技术,在无人机设备以及高清摄像设备的配合下,测量人员能对地区的各种数据进行采集。目前,无人机遥感技术能应用于救援工作、国土资源调查、城市规划设计等多个方面。从优势来看,无人机遥感技术的整个操作过程比较简单,没有太多技术含量,同时测量作业不需要到现场进行测量工作,不仅提升了测量工作的效率,同时也能保障测量工作中的安全性,达成测绘工程的目标。为此,文章将对无人机遥感技术的进行探究,分析测绘工程测量中的应用,希望能发挥无人机遥感技术的应用作用,达成测绘工程测量的目标。

摘要：随着大面积人工造林后,森林病虫害逐年增加,病虫害的监测工作成为防治的重点。利用成熟的无人机遥感监测技术,获取高精度的正射影像,通过对遥感影像进行数据分析,基于深度学习方法的变色立木智能提取技术,以林地地面核查为复核,有效把控林业病虫害的发生。深度学习算法相较于传统机器学习可以提供更准确、更及时的森林健康状况监测,从而帮助林业工作者及时发现并处理可能出现的森林健康问题。提高对林业病虫害监测的全面性和准确性,有效监测森林生态健康。

摘要：在技术更新迭代越来越频繁,互联网技术应用范围逐渐拓展的当下,无人机遥感这一技术逐渐拓展自身发展领域,应用范围扩大。随着无人机遥感技术的快速发展,其在水土监测工作中的应用可以在一定程度上弥补以往传统检测方式的不足,进一步提升水土监测效率,降低成本投入。以实际工程为案例,针对其现场水土保持施工过程中的无人机遥感技术应用进行分析,并根据工程项目实际水土流失情况进行无人机遥感技术分析,有效体现了无人机遥感技术机动性高、成本低等一系列优势,希望能够为无人机遥感技术的应用发展提供参考。

摘要：无人机遥感技术在岩土工程勘察中扮演着重要角色,它通过高分辨率的图像和数据采集,为地形地貌勘测、土壤特性分析、岩石特性识别以及灾害监测与评估提供了高效手段。数字高程模型(DEM)的生成和斜坡稳定性分析有助于地形地貌的精确勘测;土壤湿度与质地的遥感探测以及裂缝和土体位移的监测,为土壤特性分析提供了关键数据;岩性分布和岩体结构分析,以及矿物组成的光谱特征分析,增强了岩石特性的识别能力;滑坡与崩塌的早期识别和地质灾害风险评估,提高了灾害监测与评估的准确性。实际案例分析显示,无人机遥感技术在岩土工程勘察中具有显著成效,提高了勘察效率,降低了成本,并确保了数据的准确性和实时性。

摘要：1研究背景。巡查管护是河湖监管中一项非常重要的工作。在数字孪生水利工程建设技术导则中,针对巡查管护业务明确提出了“要强化确权划界、水政巡查、此生灾害、安防监控、‘四乱’整治、采砂监管、生态保护等业务功能”的工作要求。

摘要：在航空遥感领域,无人机遥感测绘技术是当下比较常见且应用范围较为广泛的新兴技术。其具有操作便捷、灵活性强等优势,能够有效提高工程测绘数据信息的精准性,可确保工程测绘工作得以高效、有序开展。在工程建设中的环境监测、应急处理、工程测量等方面均发挥着不容忽视的积极作用。基于此,本文围绕工程测绘中无人机遥感测绘技术的应用优势展开研究,全面分析工程测绘中无人机遥感测绘技术的具体应用,希望能为相关工程测绘机构提供一些有用的参考意见。

摘要：由于具有操作简单、可动态连续监控等优点,无人机遥感技术在乡村土地调查领域具有广阔的发展前景,可为乡村土地资源的实时获取、精确定位与快速响应提供有力支撑,弥补了地表观测与高海拔观测的不足。针对上述问题,本项目拟开展一种新型的无人机遥感乡村土地调查研究,采用无人机遥感采集乡村土地图像,对各地区的土地信息进行分类和提取,对特定的整治地点进行标注,建立土地图像采集库,对采集到的图像进行采集和整理,并对其进行校正和测绘,获得完整的图像资料。新型的以无人机遥感为基础的乡村土地整治测量方法,可以缩短测量周期,更好地完成土地调查工作,提高测量精度,改善总体测量结果。

摘要：目前城市植被分类受特征相近、光谱相似影响导致植被漏分、错分。因此,设计了一种多尺度特征感知网络(MFDN)结合高分辨率无人机可见光影像对城市植被分类。该网络针对漏分、错分问题,通过在输入层引入坐标卷积减少空间信息的丢失;构建并行网络增强多尺度特征信息并在网络之间引入重复多尺度融合模块使整个过程保持高分辨率表示,减少细节特征的丢失;同时添加分离特征模块扩大感受野,获取多尺度特征,从而有效缓解了城市植被错分、漏分现象。结果表明,MFDN方法在仅使用无人机可见光影像条件下主要是通过空间模式而不是光谱信息促进了城市植被分类,平均总体精度为89.54%,平均F1得分为75.85%,平均IOU为65.45%,分割结果准确完整。因此,所提方法与易于操作的低成本无人机系统相匹配,适用于城市植被快速调查,可以为城市空间利用和生态资源调查提供技术支持和科学依据。