在低空无人机调查中获取的高分辨率RGB影像经过一个模块化管道处理，该管道融合了基于Transformer的语义分割、连通组件植被提取、使用ConvNeXt架构的细粒度物种分类，以及基于2x2米分辨率的网格化优势评分。
该框架针对两种生态上重要的盐生植物：海滨雀稗（Spartina maritima）和海滨草（Puccinellia maritima），并使用经过精心策划和手动标注的无人机影像以及来自公开数据集的生物多样性影像进行训练。
为了从影像中识别这些植物，我们的分割方法产生了可靠的物种掩膜（平均交并比IoU = 0.56；像素级准确率 = 0.96），而物体级分类的表现也非常出色（F1 = 0.99）。
优势估计与基于样方的实地调查结果紧密匹配，平均绝对差异低于8%，在现实调查条件下保留了细尺度空间结构。
开发的系统EcoVision为可扩展的高分辨率盐沼监测奠定了实用基础，展示了如何将AI驱动的工作流转化为生态可解释的指标。
博主点评： EcoVision的系统架构展示了无人机技术与AI的结合如何有效提升生态监测的精度与效率，尤其在盐沼这样的特殊生态环境中，能够实现高分辨率的植被监测与优势种分析，为生态保护提供了强有力的技术支持。