基于FIDT图的稠密小目标树木检测架构

来源：农业机械学报杂志2026年第2期北京时间：

作者：冯戈，霍光煜，许新桥，闫瑞华，周庆宇，乐林暄，操东林

单位：国家林业和草原局信息中心,北京林业大学,国家林业和草原局信息中心,国家林业和草原局信息中心,国家林业和草原局信息中心,国家林业和草原局信息中心,国家林业和草原局信息中心,

摘要：在高密度区域，树木冠层重叠和遮挡严重，传统方法难以准确识别单棵树木，影响成活率和绿化覆盖率的评估精度，因此，亟需一种高精度和强鲁棒性的检测方法，以提升城市树木成活监测的准确性和效率。提出基于焦距反比变换图通过计算目标点到最近边界的距离，对稠密树木小目标检测方法，采用一种多层次的局部极大值检测策略，能够有效提取树木目标中心点信息，并区分相邻目标，从而降低重叠区域目标检测误差。此外，为了增强模型对局部结构信息的学习能力，引入独立结构性损失。选用一个高分辨率林地遥感数据集，并对稠密小目标树木进行检测与定位分析。为了验证本文方法的有效性，与多种现有深度学习方法进行对比分析，评估不同方法在精确率、召回率、定位误差等方面表现。试验结果表明，本文方法在城市林地遥感数据集上展现了较高的定位和计数性能。在计数任务中，本文方法平均绝对误差（MAE）和均方误差（MSE）分别为7.87和10.23，相较于现有方法CSRNET分别降低45.1%和48.3%；在定位任务中，本文方法在Claremont、Long_beach、Palm_springs和Riverside 4个区域的F1值分别达到75.2%、72.7%、74.8%和71.5%，较现有基于密度图法至少提升19个百分点，同时在精确率和召回率等指标上也实现了全面超越。研究结果为林业资源管理、生态监测和环境保护提供了一种高效、可靠的技术手段。

关键词：焦距反比变换图;稠密树木;小目标检测;深度学习

基金资助：国家重点研发计划项目（2023XAGG0065）和国家林业和草原局林草资源数字化治理能力提升技术研究项目（XTZD2024-05-21）