编辑推荐：
为应对 Natura 2000 网络（N2000N）栖息地监测依赖人工、效率低等问题，研究人员开展机器人结合 AI 的植物检测研究。利用 ANYmal C 机器人等采集意大利 6 类附件 I 栖息地图像，标注为 YOLOtxt 格式数据集，助力生态保护与 AI 模型训练。
在生态保护领域，欧盟 Natura 2000 网络（N2000N）的栖息地监测长期面临挑战。传统人工监测方式依赖高度专业人员，在非结构化自然环境中效率低下，且受经济资源限制难以全面覆盖。同时，人类活动、气候变化及入侵物种等因素正威胁着众多栖息地，如地中海沿岸沙丘、高山碎石坡等，亟需更高效的监测手段。在此背景下，融合机器人技术与人工智能（AI）的自动化监测成为突破方向。
意大利比萨大学 “恩里科?皮亚乔” 研究中心与信息工程系的研究人员，联合多所意大利高校及国家生物多样性未来中心等机构，开展了 “欧洲栖息地机器人监测” 研究。他们开发了首个针对 N2000N 中 6 类附件 I 栖息地（包括地中海沿岸沙丘 2110、2120，干草原 6210*，高山碎石坡 8110、8120，亚平宁山毛榉林 9210*）的植物检测标注数据集，相关成果发表于《Scientific Data》。
研究主要采用以下关键技术方法：
- 多源数据采集：使用四足机器人 ANYmal C（配备激光雷达、深度相机等传感器）进行自主或遥控任务，并结合人类操作员使用数码相机、智能手机等设备，在意大利多个保护区采集图像，涵盖不同光照、角度和季节条件。
- 专家标注与数据格式：植物科学家团队通过 Labelbox、Roboflow 等工具，对图像进行边界框标注，采用 YOLOtxt 格式（适用于 YOLO 系列 AI 模型训练），包含物种分类（典型物种 TS、本土物种 NS、入侵物种 IAS、预警物种 EWS）及坐标信息。
研究结果
1. 数据集概况
数据集包含 10264 张 640×640 分辨率图像，61238 条标注，覆盖 4 大宏观类别（地中海沿岸沙丘、干草原、高山碎石坡、地中海落叶林）的 19 个植物物种。例如：
- 地中海沿岸沙丘：标注 24378 次，含典型物种薄雪草（Achillea maritima）、入侵物种酸浆草（Carpobrotus acinaciformis）等 6 类。
- 干草原 6210*：标注 11397 次，包括典型物种兰花（Anacamptis morio、Dactylorhiza sambucina）和预警物种大花阿斯彭（Asphodelus macrocarpus）。
2. 数据采集流程
- 机器人自主任务：机器人通过预建三维地图导航，按网格路径采集图像，例如在沙丘栖息地沿垂直海岸线的样带每米停顿拍摄。
- 遥控与人工采集：针对复杂地形或特定物种，操作员遥控机器人调整视角，或使用多品牌相机（如尼康、华为手机）采集，确保数据多样性。
3. 技术验证与质量控制
植物科学家团队在意大利多个保护区（如撒丁岛普拉塔莫纳沙丘、斯泰尔维奥国家公园碎石坡）进行实地采样，结合物候期（如兰花花期）确保物种可识别性。标注过程经多轮专家审核，通过随机抽样复检和 AI 模型预验证，保证标注准确性。
研究结论与意义
该研究首次构建了针对 N2000N 附件 I 栖息地的计算机视觉标注数据集，填补了地面机器人采集的生态监测数据空白。数据集通过融合机器人的标准化采集与人类专家的生物学知识，为训练 AI 对象检测模型提供了关键资源，可助力自动评估栖息地保护状态、识别入侵物种及环境变化预警。
研究强调了跨学科合作的重要性 —— 机器人技术实现数据高效采集，植物科学保障生态相关性，AI 算法提升分析能力。未来，该数据集有望推动多机器人协作、遥感与近地传感融合等技术发展，为欧盟及全球生态保护提供智能化工具，助力应对生物多样性危机与气候变化挑战。其开放获取模式（Zenodo 平台）也将促进国际研究团队在植被科学、机器学习等领域的进一步应用与创新。
