Извлекаемая ионно-поглотительным методом редкоземельного рудного месторождения приводит к радикальному загрязнению почвы, что приводит к значительному ослаблению роста растительности и снижению выживаемости. Использование беспилотных летательных аппаратов для научного контроля имеет положительное значение. Однако сложные условия в шахтной зоне затрудняют автоматическое определение разнообразной растительности возобновленных участков, что снижает точность определения. Для улучшения быстрого и точного автоматического определения и локализации единичных растений на возобновленных участках шахтной зоны разработан метод обнаружения растительности из оперы YOLOv8n с объединенными глобальными характеристиками (YOLOv8-AS). Данный метод существенно усовершенствовался на основе YOLOv8n: (1) использование модуля ADown для выполнения сверточных операций поддискретизации, который снижает потери характеристик в процессе углубления глубины обучения стандартной сверточной операции; (2) применение модуля SPPF-GFP (быстрая глобальная обработка характеристик с пространственным пирамидальным составлением) для извлечения характеристик, а также для повышения способности модели определения разнообразной растительности возобновленных участков. Результаты показывают, что YOLOv8-AS на данных собственной базы возобновленной растительности по сравнению с YOLOv8n повысил mAP@0.5 на 1.6% и mAP@0.5-0.95 на 2.4%; размер модели, количество параметров и количество плавающих вычислений YOLOv8-AS уменьшились на 11%, 10% и 9% соответственно по сравнению с YOLOv8n. mAP@0.5 и mAP@0.5-0.95 алгоритма YOLOv8-AS составляют 91.1% и 46.8%, что существенно выше, чем у моделей SSD, Faster R-CNN, RT-DETR, YOLOv5, YOLOv7 и YOLOv7-tiny на 14.07%, 23.32%, 1.2%, 2.3%, 3.3%, 2.9% и 1.2% соответственно. Кроме того, YOLOv8-AS способен быстро и точно определять растительность возобновленных участков в малых, простых и сложных сценах, а также значительно улучшил способность определения и локализации отдельных растений возобновленной растительности. Данный метод может обеспечить точную и эффективную техническую поддержку восстановления экосистемы шахтной зоны.

deep learning;object detection;YOLOv8n;UAV Imagery;Rare Earth Mining Area;Reclaimed Vegetation