イオン吸着型希土類鉱山は浸出採掘により土壌汚染を引き起こし、植生の復元成長が悪く、生存率が低い。無人機映像による監視は科学的な管理に役立つ。しかし、鉱区の複雑な環境により復元植生の全体的な特徴差異が大きく、無人機映像の自動認識が困難で認識精度が低い。無人機映像中の鉱区復元植生単株の迅速かつ正確な自動認識と位置特定を向上させるために、全局特徴を融合したYOLOv8nネットワークによる鉱区復元植生検出手法（YOLOv8-AS）を提案した。本手法はYOLOv8nを基に以下の改良を行った：（1）ダウンサンプリングモジュールADownを用いて特徴の畳み込み処理を行い、標準畳み込みによるモデル訓練深度の増加に伴う特徴損失を低減した；（2）SPPF-GFP（Spatial Pyramid Pooling Fast-Global Feature Pool）モジュールを採用して特徴抽出を行い、全体特徴差異が大きい復元植生の検出能力を向上させた。結果から、自身で構築した復元植生データセットにおいて、YOLOv8-ASはYOLOv8nに比べてmAP@0.5およびmAP@0.5—0.95をそれぞれ1.6％および2.4％向上させ、モデルサイズ、パラメータ数、浮動小数点演算量はそれぞれ11％、10％、9％減少させた。YOLOv8-ASアルゴリズムのmAP@0.5およびmAP@0.5—0.95はそれぞれ91.1％、46.8％に達し、SSD、Faster R-CNN、RT-DETR、YOLOv5、YOLOv7、およびYOLOv7-tinyモデルと比較してmAP@0.5がそれぞれ14.07％、23.32％、1.2％、2.3％、3.3％、2.9％、1.2％向上した。また、YOLOv8-ASは小規模対象、単純および複雑なシーンに対して迅速かつ正確に復元植生を検出でき、復元植生の単株認識および位置特定能力を大幅に改善した。この手法は鉱区の生態系復元に正確かつ効果的な技術支援を提供できる。

深層学習;物体検出;YOLOv8n;無人機映像;希土類鉱区;復元植生