基于无人机遥感与优化YOLOv8深度学习的可回收建材智能测绘：GIS框架下的循环经济解决方案

本文创新性地提出融合无人机遥感（UAV）、优化YOLOv8深度学习与地理信息系统（GIS）的自动化框架，实现建筑废弃物中可回收材料的智能识别与空间定位。通过构建包含10类材料的SODA数据集（2777张图像）和首创的四级可回收性分类体系，系统mAP50达89.8%，较现有方法提升15-25个百分点，现场验证显示可节省95%时间与90%成本，为建筑循环经济提供商业化级解决方案。

　　

研究亮点与突破性成果

本研究在可回收建材自动识别领域取得重大突破，通过优化的YOLOv8架构实现89.8% mAP₅₀的商用级精度，较现有方法提升15-25个百分点。创新性提出基于经济价值与处理需求的四级可回收性分类体系（高价值类如混凝土/钢材达87.7% mAP₅₀，安全屏障检测更达94.8%），并集成GIS实现亚米级空间定位与实时收集路线优化。

结论

本研究成功构建了首个结合无人机遥感、深度学习与GIS技术的可回收建材全自动测绘系统。89.8% mAP₅₀的性能标志着该技术具备产业化应用条件，现场测试证实其可节省95%评估时间与90%成本，为建筑行业循环经济转型提供了关键技术支撑。

作者贡献声明

陶跃王（Taoyue Wang）：负责从概念设计到论文撰写的全流程工作，包括数据采集（Data curation）、算法优化（Methodology）、系统验证（Validation）及空间分析模型构建（Formal analysis）。

利益冲突声明

作者声明不存在可能影响本研究结果的财务或个人利益冲突。