Ионно-абсорбционные редкоземельные руды вызывают загрязнение почвы из-за гидрометаллургической добычи, что приводит к плохому росту и низкой выживаемости восстановленной растительности. Мониторинг с помощью дронов способствует научному контролю. Однако сложная среда рудника вызывает значительные различия в общих характеристиках восстановленной растительности, что усложняет автоматическое распознавание изображений с дронов и снижает точность распознавания. Для повышения скорости и точности автоматического распознавания и локализации отдельных растений восстановленной растительности на изображениях с дронов предложен метод обнаружения восстановленной растительности с использованием сети YOLOv8n с интеграцией глобальных признаков (YOLOv8-AS). В методы YOLOv8n внесены следующие улучшения: (1) используется модуль снижения дискретизации ADown для сверточных операций признаков, что снижает потерю признаков, возникающую при углублении обучения модели стандартной сверткой; (2) применяется модуль SPPF-GFP (быстрый пространственный пирамидальный пуллинг – глобальный пул признаков) для извлечения признаков, что повышает способность модели обнаруживать восстановленную растительность с значительными различиями в общих признаках. Результаты показывают, что на собственном наборе данных восстановленной растительности YOLOv8-AS увеличивает mAP@0.5 и mAP@0.5—0.95 на 1.6% и 2.4% соответственно по сравнению с YOLOv8n; размер модели, количество параметров и количество операций с плавающей точкой у YOLOv8-AS уменьшены на 11%, 10% и 9% соответственно. Значения mAP@0.5 и mAP@0.5—0.95 алгоритма YOLOv8-AS достигли 91.1% и 46.8%, что составляет улучшение по сравнению с моделями 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 обеспечивает быструю и точную детекцию восстановленной растительности для мелких объектов, простых и сложных сцен, а также значительно улучшает способность распознавать и локализовать отдельные растения восстановленной растительности. Этот метод предоставляет точную и эффективную техническую поддержку для экологического восстановления в районах добычи.

глубокое обучение;обнаружение объектов;YOLOv8n;изображения с беспилотников;редкоземельный рудник;восстановленная растительность