DJI Matrice 4E 搭配開源軟體，完成 130 公頃原生植物調查：辨識 29 種物種

無人機結合開源工具，完成大規模植物普查

一位測量師利用 DJI Matrice 4E 無人機與免費開源軟體，成功在 130 公頃的調查區域中辨識、分類並精確定位 29 種原生植物的每一株個體。Pablo Carranza 在「Drone Mapping and Processing」社群中分享了這項成果，貼出標註過的正射影像，圖中可見數百棵樹冠被逐一勾勒輪廓並標記物種名稱，每一棵都綁定了座標資訊。

飛行設定：為何選擇 Matrice 4E

在飛行設定方面，Carranza 將 Matrice 4E 的飛行高度設定在 45 公尺（148 英尺），以測繪任務來說算是相當低的高度。他特別說明之所以選擇 4E 而非價格較低的 Matrice 4T，是因為 4T 的相機規格無法勝任這項工作。

從硬體差異來看，這個判斷確實合理。Matrice 4E 搭載 4/3 吋 CMOS、2,000 萬畫素廣角相機，配備專為測繪設計的機械快門；而 4T 的廣角相機則採用較小的 1/1.3 吋感測器，主要針對以熱成像為優先的公共安全應用進行調校。

這篇貼文在一天內獲得 87 個讚和 29 則留言，生物學家、農民和測量師紛紛詢問物種辨識的實際運作方式。答案是田野調查、機器學習與刻意精簡的訓練集三者的結合。

生物學家先建立地面資料，無人機再負責計數

物種辨識並非單靠空中影像完成。一位生物學家親赴現場，調查當地植物相、採集實體樣本，並建立了涵蓋 29 個物種的圖鑑目錄。這份地面圖鑑成為監督式機器學習模型的標記訓練資料，模型再據此對無人機影像中可見的個別植株進行分類。

Carranza 表示，由於團隊對當地植被並不熟悉，因此實地踏勘是不可或缺的步驟。這個細節比聽起來重要得多。從他標註的正射影像中可見的兩個物種——Espinillo（Vachellia caven）和 Moradillo（Schinus fasciculatus），加上留言區的西班牙語討論，可以判斷這項工作是在南美洲的 Espinal 灌木疏林區進行，最有可能是阿根廷。這是乾燥的旱生植被地帶，樹冠相互交疊，許多物種從空中俯瞰呈現相似的灰綠色調。如果用其他地區植物資料訓練的模型，結果只會是猜測。

當社群中有人重複提出「AI 植物辨識需要十萬張照片」的常見說法時，Carranza 以實務經驗反駁：用十萬株植物來訓練模型太多了，大約 300 個樣本就能產出穩定的結果——前提是環境變化不要太大。這個但書正是植被分類的關鍵所在：針對特定場域的光照、物候和物種組成調校的模型，搬到隔壁山谷就未必適用。

工作流程全靠免費開源工具

Carranza 使用 WebODM Lightning（開源攝影測量工具 OpenDroneMap 的雲端版本）處理無人機照片，再透過 Python 的影像切片功能裁切正射影像，同時保留其地理定位資訊。這個選擇值得注意——這是一份專業級的成果，完全建構在免費工具鏈上，而非使用 Pix4D、DroneDeploy 或 DJI Terra。

由於正射影像已經過地理參照，每一株被分類的植物都能透過其質心定位到座標。這一個步驟就是將「漂亮的地圖」轉變為「可用資料集」的關鍵。一旦每個個體都有了位置，植株之間、物種之間的空間關係就變得可量化：群聚程度、間距、優勢度，以及在 130 公頃範圍內的分布。Carranza 表示，正是地理定位使得研究個體間與物種間關係成為可能，而這正是環境影響基線調查的核心目的。

他也坦率地分享了飛行條件的不足。當天天氣晴朗，陽光投射的陰影會干擾樹冠分割，他指出陰天無風的條件會更理想。任何嘗試過在強烈午後光線下測繪樹冠的人都知道這個問題：陰影邊緣會被判讀為物件邊緣，模型必須學會忽略它們。

機載 AI 即將登上同一款機體

Carranza 使用的 Matrice 4E 目前已內建 AI 偵測模型，DJI 也提供了模型訓練工具和第三方開發者認證路徑，允許在無人機的機載運算單元上執行自訂模型。他目前的流程是將智慧運算留在地面，在飛行結束後透過 WebODM 和 Python 處理。但他所使用的硬體，距離在空中即時完成部分分類工作，可能只差一次韌體更新。

這與 DJI 企業產品線的發展脈絡一致——該公司透過 Manifold 3 運算模組和避障感測附件，將機載自主飛行和 AI 功能下放到更平價的機型上，而非僅保留給機庫部署系統。在飛行中辨識一株植物所需的運算能力已不再是瓶頸，來自地面生物學家的標記訓練資料才是。

評論觀點

這個專案最具說服力的細節，恰恰是多數 AI 測繪展示所省略的：一位人類生物學家實際走訪現場、採集樣本、建立圖鑑，然後模型才開始處理影像。這才是正確執行的監督式學習，也是「能在環境報告中站得住腳的分類器」與「花俏的猜測」之間的差別。

最值得關注的是成本結構。Carranza 使用一台約 5,000 美元等級的測繪無人機，搭配免費攝影測量引擎和一次田野調查，就完成了整個專案。相較之下，使用 Matrice 400 和 Zenmuse L3 測繪瓜地馬拉失落馬雅城市的案例，其掃描作業預算高達七位數。兩個截然不同的預算規模，背後卻是相同的核心邏輯：用地理參照的資料集取代過去的臆測。

誠實的限制也是 Carranza 自己點出的：他的 300 樣本模型只在「環境變化不大」的前提下有效。這是真正的侷限，不是註腳。這意味著這是一個場域專用工具，而非通用物種分類器，每到一個新區域都必須重新進行田野調查。DJI 的機載模型訓練工具最終能否縮減田野調查的步驟，或者生物學家的地面圖鑑始終是不可取代的輸入——這正是此類專案持續提出的開放問題。目前而言，無人機只能辨識生物學家教它看見的東西。

---

原文來源： 查看原文