基于无人机与AI图像的江豚搁浅监测方法与应用研究
葛兆轩1 孔乐谣2 管子栋3 郭澍4 王泰然5

1 首都师范大学附属中学，北京，100048；

2 南京外国语学校，江苏南京，210008；

3 南京外国语学校方山分校，江苏南京，211122；

4 四川天府新区实外高级中学，四川成都，610213；

5 北京二十一世纪学校，北京，100142；

摘要：针对传统人工巡查方式效率低下、难以快速发现搁浅或死亡江豚的问题，本研究旨在探究一种结合无人机技术与人工智能（AI）图像识别模型，以实现对死亡/搁浅江豚的自动化、高效监测方法。研究选取洞庭湖为研究区域，通过无人机巡航采集湖滩影像数据。利用模拟制作的江豚3D模型构建训练数据集，并采用YOLOv11深度学习算法构建目标检测模型，对其进行训练和优化。最终通过实地模拟测试，验证该技术方案在识别准确率、响应时间等方面的有效性。测试结果表明，经训练的YOLOv11模型对模拟搁浅江豚的识别成功率达到80%，从发现到报警的全过程耗时在6分钟以内，误报率为5%。该方法能够为江豚救助争取宝贵时间。无人机与AI识别技术的结合，为江豚搁浅监测提供了一种快速、可行的辅助手段，对江豚保护具有实际应用价值。

关键词：江豚保护；无人机监测；人工智能；图像识别；YOLOv；搁浅检测

参考文献

[1]Li, S. H. (2023, March 3). 长江江豚极度濒危状况仍未改变 [The critically endangered status of Yangtze finless porpoise remains unchanged]. 中国科学报. Retrieved from 中国科学院: from www.cas.cn.

[2]谭跃进, & 徐志红. (2016). 洞庭湖非法捕捞行为的现状、成因与治理路径. 湖南水利水电, (5), 148–151. https://doi.org/10.16052/j.cnki.hnslsd.2016.05.022.

[3]王树义. (2019). 洞庭湖渔业资源衰退与非法捕捞治理路径探析. 中国集体经济, (5), 140–141. https://doi.org/10.19387/j.cnki.1009-0592.2019.05.223.

[4]徐跃进, & 孙为松. (2021). 洞庭湖区非法捕捞现状分析与对策研究. 中国渔业质量与标准, (8), 119–122. https://doi.org/10.19769/j.zdhy.2021.08.047.

[5]Zhang, Q. W. (2024, June 13). YOLOv8实战：从数据标注到训练部署，一篇全搞懂！腾讯云开发者社区. Retrieved August 2, 2025, from https://cloud.tencent.com/developer/article/2435545.

[6]Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge computing: Vision and challenges. IEEE Internet of Things Journal, 3(5), 637–646. https://doi.org/10.1109/JIOT.2016.2579198.

[7]赵广兵, 王珊珊, & 王慧. (2021). 无人机遥感技术在安全监测领域的应用与发展. 遥感信息, 36(2), 1–9.

[8]Li, X., Zhang, L., & Wang, Y. (2021). Unmanned aerial vehicles advances in object detection and communication security: A review. ScienceDirect: Journal of Network and Computer Applications, 180, 102972. https://doi.org/10.1016/j.jnca.2021.102972.

[9]Wang, C., & Zhang, T. (2021). A survey on security and privacy issues of UAVs. arXiv preprint arXiv:2109.14442. https://arxiv.org/abs/2109.14442.

[10]Sella-Villa, A. (2021). Protecting privacy from above: A proposal for regulating drone surveillance. University of Richmond Law Review, 55(3), 553–589. https://lawreview.richmond.edu/files/2021/05/Sella-Villa-553.pdf.

[11]刘嘉伟, 陈春, & 胡珂. (2023). 基于轻量级迁移学习的无人机航拍视频图像天气场景分类研究. 计算机工程与设计, 44(5), 1241–1248. https://doi.org/10.16519/j.cnki.cn13-1112/tn.2023.05.019.