《Wildlife Biology》：Evaluating machine learning models for multi-species wildlife detection and identification on remote sensed nadir imagery in South African savanna
编辑推荐：
本文系统评估了九种前沿机器学习（ML）模型在南非稀树草原环境下利用无人机（UAV）正射影像进行多物种有蹄类动物检测与识别的效能。研究表明，ML模型在动物检测任务中精确度（precision）达86.7%，召回率（recall）达81%，其性能媲美传统航空调查中的人类观察员水平；然而物种识别精确度仅为59.4%，表明当前ML技术尚无法实现全自动普查。作者提出将ML融入半自动化流程，通过消除人为偏差和预设飞行路径提升普查可重复性，为大规模野生动物监测提供了重要技术路径。
引言
大型哺乳动物因栖息地破碎化而面临生存威胁，准确追踪其种群数量对保护政策制定至关重要。传统航空计数方法存在精度低、偏差大、成本高等问题。近年来，无人机（UAV）遥感技术与机器学习（ML）的结合为野生动物普查带来新机遇。本研究聚焦南非低地稀树草原生物群落，针对五种有蹄类动物（黑斑羚、林羚、貂羚、马羚和非洲水牛），通过获取20,137张正射影像，系统评估九种ML模型在复杂生境下的检测与识别性能。
材料与方法
数据采集与处理
研究在Limpopo省两个野生动物养殖场（Kapiri和Leopard Rock）进行，总面积605公顷，生境覆盖从开阔（<30%）到茂密（>70%）的树冠层。使用DJI Matrice 300 RTK无人机搭载P1 45MP RGB相机，在180米高度飞行，地面采样距离（GSD）为2.3厘米。干湿两季共采集影像经裁剪、拼接后，通过Label Studio进行边界框标注，并按60:20:20比例划分为训练集、验证集和测试集。数据集中包含大量空图像以模拟真实普查条件。
模型选择与评估
选取九种主流ML模型：ROI Transformer、Oriented R-CNN、ReDet、YOLOv5su、PP YOLOe SOD、HerdNet、YOLOv8-obb、YOLOv11-obb和YOLOv12。评估指标包括精确度（precision）、召回率（recall）、F1-score和平均精度均值（mAP50）。模型分两次运行：单类动物检测（检测任务）和多类物种识别（识别任务）。
机器学习流程
采用持续学习策略，逐步增加空图像比例以提升模型鲁棒性。部分模型参数冻结优化训练效果，使用AdamW优化算法应对小目标检测中的类别不平衡问题。所有模型均经过COCO、DOTA等公开数据集预训练，并针对野生动物影像进行微调。
结果
检测性能
YOLO系列模型在检测任务中表现均衡，最佳模型YOLOv11s-obb达到精确度86.7%、召回率75.2%、F1-score 80.54%、mAP5084.2%。新模型普遍优于旧模型，但更大参数量的模型（如YOLOv12x）性能反而下降。两阶段检测器（如ROI Transformer）召回率高但精确度低，导致综合评分较差。
识别性能
物种识别结果显著低于检测任务，最优模型YOLOv12s的精确度为59.4%，召回率47.4%，F1-score 52.1%，mAP5055.7%。识别性能与动物体型大小、体色深度及训练数据量正相关：水牛（mAP5077.1%）和貂羚（94.6%）识别率最高，而体型小、毛色浅的雌性林羚识别率最低。混淆矩阵显示，背景误判为动物（假阳性）和动物漏检（假阴性）是主要误差来源。
讨论
检测技术的突破
ML模型检测精度达到传统航空调查的人类观察员上限（45-95%），且通过预设飞行路径消除了人为偏差，显著提升普查可重复性。单阶段检测器（如YOLO）因计算效率高更适合实地应用。当前2.3厘米GSD的影像分辨率已满足大范围普查需求，每日可覆盖数千公顷。
识别挑战与局限
物种识别性能不足源于小目标检测难题、类内变异大于类间变异（如黑斑羚色型差异）以及数据集规模限制。注意力机制模型（YOLOv12）展现出潜力，但当前技术尚未达到全自动普查要求。建议对大型深色物种（如象、犀牛）可尝试自动化识别，而对多数物种仍需要人工辅助。
结论与展望
机器学习模型在南非稀树草原动物检测任务中已具备实用价值，推荐采用“ML检测+人工物种鉴定”的半自动化流程。未来需加强正射与倾斜影像的对比研究，扩大异构数据集规模，并开发更适配野生动物监测的专用模型。通过标准化流程降低技术门槛，将使ML成为生态保护领域不可或缺的工具。
