基于改进YOLOv7的复杂环境下野生蝙蝠高效检测方法WB-YOLO及其生态监测应用

为解决复杂自然栖息地中蝙蝠检测的遮挡和背景干扰问题，研究人员提出基于改进YOLOv7的WB-YOLO方法，集成Vision Transformer编码器、可变形卷积和混合注意力机制，在安徽野生蝙蝠数据集中实现94.7%的mAP，为生态监测与疾病防控提供高效解决方案。

　　

蝙蝠作为生态链中的关键物种，既是农业害虫的天敌，又是SARS冠状病毒等病原体的自然宿主。然而，野生蝙蝠常栖息于洞穴、岩缝等复杂环境，群体活动导致图像严重遮挡，传统人工监测效率低下，红外与声学技术又受成本与环境干扰限制。安徽研究团队通过改进YOLOv7框架，开发出WB-YOLO模型，显著提升复杂场景下的蝙蝠检测精度，相关成果发表于《Engineering Applications of Artificial Intelligence》。

研究采用三大关键技术：1) 基于安徽多地采集的野生蝙蝠图像数据集（含4019标注样本），应用多种数据增强；2) 在YOLOv7中引入Vision Transformer(ViT)编码器增强全局特征，结合可变形卷积优化局部特征；3) 设计混合注意力机制（Hybrid Attention）同步捕捉空间与通道信息。实验使用NVIDIA RTX 3090 Ti显卡，以640×640分辨率输入，对比Faster R-CNN、YOLOv5等模型。

图像采集与增强：通过航拍与智能手机宏拍摄获取安徽芜湖、宣城等地蝙蝠图像，采用翻转、裁剪等增强技术解决样本不足问题。

模型优化：ViT编码器将特征图分割为16×16块处理，可变形卷积模块适应蝙蝠不规则形态，改进的空间金字塔池化(SPP)结构减少35%计算量。

性能验证：WB-YOLO在测试集达到90.7%精确度与89.0%召回率，mAP较基线YOLOv7提升20.7%，对遮挡样本检测效果提升尤为显著。

讨论与结论：尽管模型参数量增加，但推理速度仍满足实时监测需求。该研究首次将ViT与可变形卷积结合用于野生动物检测，为蝙蝠种群动态监测提供自动化工具，未来可通过轻量化设计适配边缘设备。研究获得国家自然科学基金（61871412）等资助，代码已在GitHub开源。