利用搭载在收割机上的移动激光扫描仪收集的数据，运用2D-CNN技术进行树干检测与分割

《International Journal of Forest Engineering》：2D-CNN for tree stem detection and segmentation using data collected with a harvester-mounted mobile laser scanner

　　**摘要**
林业作业规划传统上依赖于森林资源清查，这需要人工现场测量，这一过程往往在资金和劳动力方面成本较高。遥感技术的进步展示了提高林业作业规划准确性和效率的潜力，从而降低了成本和劳动力需求。将这些技术与林业机械集成需要自动化，尤其是在采伐机上。对于树木茎干的精确三维描述变得至关重要。然而，从激光雷达（LiDAR）数据中检测和分割茎干通常需要大量的后期处理，这限制了其在需要实时信息的场景中的应用。本研究探讨了使用通过移动激光扫描（MLS）获得的LiDAR数据实时检测和分割树木茎干的可行性，并创建了一个概念验证。为此，传感器捕获的每一帧图像都独立进行处理并转换为二维投影，然后通过卷积神经网络（CNN）识别和分割树木茎干。这种方法消除了对大量点云分析的需求，使得在操作环境中能够更快速地处理和响应。与基于点的方法相比，这种方法具有显著优势。为了完全验证这一概念验证，还需要进一步开发和完善算法，并扩大训练数据集以提升模型性能。准确的实时检测和分割树木茎干和原木可能是实现林业作业自动化和机器人的基础，从而提高森林管理的效率和精度。

**关键词**：自动化；林业作业；激光雷达；伐木作业

**引言**
过去30年的数字革命推动了各个行业的变革，这得益于硬件和软件的进步。这一变革的核心是工业4.0的概念，它设想了由自动化和数字化驱动的智能工厂（Hermann等人，2016年）。这一范式整合了信息物理系统，如物联网（IoT）、大数据和人工智能（AI），促进了智能制造和生产环境的发展（Müller等人，2019年）。林业是受到这一技术浪潮影响日益显著的领域之一。在这个背景下，林业4.0框架提出了四个基础领域：森林供应链的数字化整合、网络基础设施的构建、决策支持智能以及协作性的数字生态系统（He和Turner，2021年）。移动设备、激光雷达（LiDAR）和无人机等技术的采用使得实时数据收集成为可能，显著提高了决策效率（Ghobakhloo等人，2020年；Feng和Audy，2020年）。随着工业4.0的不断发展，工业5.0作为一个互补的范式正在兴起，它强调以人为中心的、可持续的和有韧性的系统（Gürdür Broo等人，2022年；Javaid等人，2022年；Leng等人，2022年）。对于林业而言，这一演变带来了应用预测分析、自动化和精准管理策略的新机会，促进了智能和可持续的运营（Holzinger等人，2024年）。然而，整合这些技术需要重大的组织适应，并带来技术和经济社会方面的挑战（Chesbrough，2010年）。尽管如此，朝着精准林业的方向转变——即利用自动化数据收集和软件驱动的分析来实现针对特定树木和地点的管理——正在全球范围内获得关注（Choudhry和O’Kelly，2018年；Jelavic等人，2022年）。

在这种背景下，林业作业的自动化，特别是采伐作业，越来越受到关注。采伐作业被认为是测试自主系统的良好场所，有潜力减少木材浪费并提高运营效率（Lindroos等人，2017年；Choudhry和O’Kelly，2018年；Visser和Obi，2021年；Jelavic等人，2022年）。然而，实现完全自主性依赖于在复杂自然环境中进行有效的定位、导航和感知解决方案（Rossmann等人，2009年）。这些框架的核心是3D感知的集成，它提供了2D视觉系统无法支持的安全和自主决策所需的高精度空间感知（Munaro等人，2016年）。空间感知可以通过主动感知（如LiDAR，提供直接几何信息）或被动感知（如立体相机，产生深度图像同时捕获红绿蓝（RGB）信息）来实现（Grondin等人，2023年）。RGB图像已被用于各种林业自动化任务中的树木茎干检测和特征化（da Silva等人，2021年；Fortin等人，2022年；Grondin等人，2023年；Lagos等人，2023年；Vidanapathirana等人，2024年；Wagner等人，2024年；Mortimer等人，2024年）。深度学习方法已应用于林业工作流程的不同阶段：一些研究关注感知任务，如树木检测、分割和使用合成及真实数据估计采伐属性（Grondin等人，2023年），而其他研究则关注面向动作的任务，例如自主抓取原木的实例分割（Fortin等人，2022年）。对于移动机器人，da Silva等人（2021年）探索了使用可见光和热成像进行地面级茎干检测的方法，而Lagos等人（2023年）引入了FinnWoodlands数据集用于多级场景理解。此外，还提出了大规模基准测试，如WildScenes（Vidanapathirana等人，2024年）和GOOSE数据集（Mortimer等人，2024年），用于评估非结构化户外环境中的语义分割。Wagner等人（2024年）利用融合了地面激光扫描（TLS）和移动激光扫描（MLS）点云的RGB信息，自动检测彩色标记的树木茎干并识别涂层标识符。然而，仅基于RGB信息的3D森林场景理解受到具有挑战性和可变性的森林光照条件的限制，这使得被动传感器可靠性较差（Xie，2024年）。相比之下，作为主动感知技术的LiDAR不受光照条件的影响，能提供比立体相机系统更准确和精确的3D测量（Behley等人，2019年）。因此，LiDAR在林业应用中得到了广泛采用（Campbell等人，2018年）。森林数据采集通常分为三种主要方式：机载激光扫描（ALS），通过无人机或飞机进行大范围测绘（González-Olabarria等人，2012年；Martín-Cortés等人，2024年）；TLS，用于高分辨率的地面调查（Holopainen等人，2013年）；以及MLS，它将激光扫描仪与GNSS（全球导航卫星系统）和IMU（惯性测量单元）结合使用，在移动平台上快速高效地捕获树木数据（Bauwens等人，2016年；Kukko等人，2017年）。MLS安装在采伐机上时特别有前景，因为它同时支持机械操作和实时数据采集（Forsman等人，2016年；Kukko等人，2017年；Ku?elka等人，2022年）。尽管如此，实时应用仍需克服定位和映射（SLAM）、树木检测和属性提取等关键挑战（Keefe等人，2022年）。研究通过各种方法解决了这些挑战，包括SLAM（Miettinen等人，2007年；?hman等人，2008年；Nevalainen等人，2020年；Jelavic等人，2022年；Faitli等人，2024年）以及使用点云处理技术（如圆柱拟合、体素投票和局部点过滤）和深度学习方法（如3D卷积神经网络，Sihvo等人，2018年；Nevalainen等人，2020年；Sagar等人，2024年）进行树木茎干检测。来自机器人技术和自动驾驶的新解决方案正在提出，其中基于LiDAR的3D对象检测已经发展成熟（Ferreira等人，2023年）。虽然一些林业方法通过分析LiDAR点云生成10-15米范围内的树木地图（Pierzcha?a等人，2018年；Zhang等人，2019年；Nevalainen等人，2020年），但密集3D建模的计算成本仍然很高（Wu等人，2021年）。对象检测方法通常分为基于投影的、基于体素的或基于点的（Alaba和Ball，2022年），城市数据集如SemanticKITTI推动了这一领域的发展（Behley等人，2019年）。将3D点云投影到2D距离图像上可以减少计算负担（Jhaldiyal和Chaudhary，2023年），从而可以使用卷积神经网络（CNN）进行快速的对象检测和分割（Perez等人，2019年；H.；Zhao H等人，2023年）。其中，You Only Look Once（YOLO）模型系列因其速度和准确性而广泛使用（Sultana等人，2020年；Jiang等人，2022年）。尽管类似方法已在城市环境中得到探索（Milioto等人，2019年；Wu等人，2019年；Xu等人，2020年；Cheng等人，2024年），但在林业中的应用还较少。TreeScope数据集（Cheng等人，2024年）为林业环境中的精准林业提供了一个带有语义标记的LiDAR数据步骤。值得注意的是，YOLOv8展示了强大的实时实例分割性能（Silva等人，2025年）。在本研究中，我们提出了一个使用安装在森林采伐机上的LiDAR系统进行实时树木茎干检测的概念验证工作流程。为了扩展数据集，还包括在类似森林条件下使用背包式MLS采集的数据。该方法涉及多通道LiDAR数据的球面投影，生成整合了强度、反射率和距离信息的2D图像。这些变量被映射到图像的RGBA通道上，创建了伪彩色合成图像。然后使用这些图像训练和评估能够进行基于实例分割的YOLOv8卷积神经网络模型。所提出的方法旨在提高操作森林环境中茎干检测的效率和准确性，有助于实现实时、人工智能驱动的精准林业。

**材料与方法**
本研究提出了一种用于实时树木茎干检测和分割的处理流程。为了评估这一流程，在芬兰北卡累利阿的一个商用采伐机上部署了一个基于LiDAR的数据采集系统。该设置旨在在采伐作业期间捕获高分辨率的3D点云，随后用于开发和测试基于深度学习的分割方法。所提出的处理流程包括三个主要步骤：（1）使用MLS和采伐机系统进行数据采集，（2）数据裁剪和球面投影，以及（3）数据集准备和模型训练。

**使用MLS和采伐机系统进行数据采集**
基于LiDAR的数据采集使用了Kudan Backpack Dev Kit MLS系统（Kudan，2024年），该系统配备了Ouster OS0系列的OS0-128 Rev 7传感器，这种传感器工作在865纳米的近红外（NIR）光谱范围内（Ouster，2024年）。该系统被适配用于Ponsse Scorpion林业采伐机（Ponsse，2013年），传感器安装在驾驶舱前方。数据记录使用Kudan LiDAR SLAM软件（Kudan，2025年）进行，从而在采伐作业期间实现高分辨率3D点云的实时捕获。MLS传感器配置了90°的视场角、128个垂直通道和1024个水平点，旋转速度为20赫兹（每秒20帧）。收集的数据以ROS（机器人操作系统）的标准rosbag格式存储，每帧记录一个点云。这些点云包含物体的几何信息以及表面强度、反射率和环境值。数据采集于2024年6月5日在芬兰的一片森林中进行（62o35′25.72″N，29o03′29.4″E）。在数据采集期间，采伐机在一个0.5公顷的研究区域内进行了最终砍伐，该区域由纯同龄的成熟苏格兰松（Pinus sylvestris）组成。这片林地经历了定期的人工林管理，包括间伐和下层植被清除，减少了灌木丛，提高了茎干的可见度。rosbag文件按顺序存储，同一地点共记录了三次数据。

**数据集增强采集**
除了安装在采伐机上的数据外，还使用配备Ouster OS0-64 Rev 7传感器的背包式MLS系统（Ouster，2024年）收集了两个补充数据集，该传感器使用Kudan LiDAR SLAM软件（Kudan）进行操作。第一个数据集的视场角为90°，有64个垂直通道和1024个水平点，旋转速度为10赫兹。第二个数据集使用相同的配置，但水平分辨率提高到了2048点。引入这些不同的配置是为了增加图像尺寸的多样性，并评估深度学习模型在不同传感器设置下的鲁棒性。第一次调查在Outokumpu市的一个以松树为主的森林中进行（62°46′39.60″N，28°56′18.78″E）。研究区域覆盖了0.25公顷，由苏格兰松、银桦（Betula pendula）和挪威云杉（Picea abies）的混合林组成。地块边界是根据之前的间伐留下的林道定义的。第二次调查在Joensuu（62°36′18.0″N，29°44′08.8″E）的一个0.1公顷混合林中进行，主要由苏格兰松、银桦和欧洲白杨（Populus tremula）组成。

**数据集准备和2D-CNN模型训练**
每个3D点云都被投影到2D图像上以便于对象检测。两种常见的3D到2D投影方法是球面投影（Wu等人，2018年；Jhaldiyal和Chaudhary，2023年）和鸟瞰视图（Beltrán等人）。引用2018；Jhaldiyal和Chaudhary。在这项研究中，选择球面投影是因为目标是从树干中获取信息。类似于SqueezeSeg（Wu等人，引用2018），球面投影将笛卡尔坐标（x，y，z）转换为球坐标，创建一个密集的、结构化的2D网格表示。这种投影为每个LiDAR通道生成一个2D矩阵，例如强度和反射率，保留了与原始3D点的直接映射。对于本研究中使用的传感器，可以使用Ouster SDK直接提取球面投影，保持2D表示与原始3D点云之间的直接对应关系（Ouster，引用2022）。

收获机收集的MLS数据裁剪：将收获机拍摄的投影逐帧裁剪，以去除驾驶舱、吊臂和其他不相关的回波。增强数据集没有进行裁剪。为了优化在收获机工作范围内的树木检测，采用了两种策略。首先，数据裁剪基于水平距离过滤，设置在美国5到12米之间，以确保在收获机臂的工作范围内检测到树木。尽管收获机的处理臂可以达到10米（Ponsse，引用n.d.），但本研究稍微扩展了范围，以便在切割前提前检测到树木。设置了至少5米的距离，以消除由收获机和其他机器部件引起的点云中的噪声。其次，通过裁剪角度超过150度的点来限制水平视野。这种数据减少方法降低了计算成本，同时确保数据与收获机吊臂的 reach 对齐。

数据准备：从五次扫描中随机选择了665帧投影：其中353帧是用安装在收获机上的MLS系统收集的，222帧是用背带式MLS系统收集的（来自Outokumpu的222帧和来自Joensuu的190帧）。这些帧投影构成了YOLOv8实例分割模型的训练数据集。数据准备包括三个步骤：（1）通道选择，（2）反射率标记，（3）RGBA图像生成。首先，选择了四个通道投影——强度、反射率、环境和范围——以最大化从每个点提取的信息：强度，指的是每个LiDAR回波返回到传感器的能量与传感器发射的每个激光脉冲能量的比率（Chust等人，引用2008；Lang和McCarty，引用2009）。反射率量化了物体反射光的能力，提供了超出几何形状的信息，并有潜力在复杂的设置中提高分割精度。与未处理的强度不同，校准后的反射率不受距离和入射角的影响，提供了更稳定和可解释的表面属性表示（Viswanath等人，引用2025）。环境光是指从周围环境中被动反射的入射自然光的能量，它在865纳米（NIR）波长处测量（Ouster，引用2021）。范围量化了从传感器到空间中某一点的距离（Ouster，引用2021），因为它有效地封装了X、Y和Z坐标的空间信息。投影后，使用Roboflow（Dwyer等人，引用2024）进行数据标记，该工具集成了Segment Anything Model 2（SAM2）（Ravi等人，引用2024）来半自动标记物体（Dwyer等人，引用2024）。此过程在人工监督下进行，必要时手动纠正或创建标签以确保准确性。选择反射率图像进行此任务，因为它们的表示不依赖于范围和入射角（Viswanath等人，引用2025），因此生成的SAM2掩码更加一致。在665张图像中共标记了13,180个实例。最后，将这四个投影组合成RGBA图像，其中每个通道编码一个投影。使用RGBA图像可以为神经网络提供更多信息（Inazu和Kimata，引用2024）：红色编码强度，绿色编码反射率，蓝色编码环境光，alpha编码范围数据（见图1）。图1显示了数据准备和注释过程的表示。图像显示了一个数据处理流程图。这些图像被组合成一个RGBA图像，其中红色代表强度，绿色代表反射率，蓝色代表环境光，alpha代表范围。RGBA图像显示在中间。右侧显示了一个标记的反射率图像，该图像是从反射率数据中得出的。标记的反射率和RGBA图像进一步处理成最右侧的最终输出图像。该图展示了不同数据类型整合为综合视觉表示的过程。

模型架构：为了分割树干，我们使用了YOLOv8-seg，这是一种专门为实时实例分割任务设计的YOLOv8对象检测模型的变体（Jocher等人，引用2023）。与许多仅限于RGB输入的对象检测框架不同，YOLOv8支持具有三个以上通道的图像，非常适合我们的研究。在可用的CNN架构中，YOLOv8-seg模型是为实例分割任务量身定制的，能够同时进行对象检测和为单个实例生成精确的掩码（图2），类似于YOLACT（Bolya等人，引用2019）。它集成了一种强大的主干网络，旨在通过卷积层从输入图像中提取层次特征。这个主干网络使用CBS（卷积、批量标准化、SiLU激活）和C2f块（跨阶段特征融合）来高效地细化和汇总多分辨率数据。颈部模块通过使用特征金字塔网络（FPN）或路径聚合网络（PAN）等架构增强空间和上下文信息。因此，可以准确检测和分割不同大小的物体。最后，头部模块包括两个分支：检测头部预测边界框和类别概率，而分割头部利用ProtoNet机制生成实例掩码。图2展示了YOLOv8-seg架构的概述，融合了fast segment anything（Zhao等人，引用2023）和YOLACT（Bolya等人，引用2019）中的概念。主干网络由多个卷积层组成，后面跟着C2f块。颈部模块包括Concat、Upsample和SPPF等操作，并与C2f块相连。头部模块分为几个分支，包含ProtoNet、Mask Coeff.、Detect、NMS、Crop和Threshold等组件。流程从主干开始，经过颈部，最终在头部生成实例掩码和边界框。

Zhao等人，引用2023-seg的主干网络包含可变数量的层，这影响了训练时间、推理速度和精度。这些因素取决于正在训练的具体变体，它们共同涵盖了计算需求和精度水平的范围（Jocher等人，引用2023）。表1详细展示了所有YOLOv8-seg变体的架构特征，包括层数、参数和计算成本。模型的融合版本比完整架构具有更少的层，因为在融合过程中某些层和操作被合并以提高推理效率。这减少了层的数量，而不会显著影响参数数量或计算成本。在这项研究中，我们训练了所有YOLOv8-seg变体（n、s、m、l和x），以系统地评估模型大小对性能的影响。表1总结了YOLOv8-seg变体的参数数量、参数数量和计算成本（GFLOPs）。

模型训练：我们使用Ultralytics包训练了所有YOLOv8-seg变体（Jocher等人，引用2023）。训练是在配备Intel Core i9-14900HX处理器、32 GB RAM和NVIDIA RTX 4070 GPU的Gigabyte AORUS 16×2024 ASG-63ESC65SH笔记本电脑上执行的。训练框架基于PyTorch和Compute Unified Device Architecture（CUDA）实现，以实现GPU加速。推理时也使用了相同的系统。为了提高性能和减少训练时间，我们使用上述提到的665张RGBA图像数据集的归一化版本在COCO数据集（Lin等人，引用2014）上对模型进行了微调。为了减轻过拟合并确保评估的稳健性，数据集按采集日期的时间顺序排列，并分为五个文件夹进行交叉验证。文件夹中的图像分布如下：文件夹1：仅包含使用收获机安装的LiDAR传感器收集的数据。文件夹2：包含来自收获机安装传感器的120张图像和来自Outokumpu的背包安装系统的13张图像。文件夹3：仅包含在Outokumpu使用背包安装的LiDAR系统收集的数据。文件夹4：包含来自Outokumpu的76张图像和来自Joensuu的57张图像。文件夹5：仅包含在Joensuu使用背包安装的LiDAR系统收集的数据。所有YOLOv8-seg变体都遵循这种五折交叉验证策略进行训练。在每次迭代中，四个文件夹用于训练，一个用于验证/测试，确保每个文件夹都被用作保留折叠。每个模型变体重复此过程五次，总共每种架构进行了五次迭代。然后对所有折叠的模型性能指标进行平均，以获得准确的精度估计并最小化数据集划分对结果的影响（图3）。图3展示了应用于不同来源的图像数据集的5折交叉验证过程。每个折叠从Fold 1到Fold 5进行标记，具体指出了图像数量和来源。迭代1将Fold 1标记为“Test”，其他折叠标记为“Train”。迭代2将Fold 2标记为“Test”，其余标记为“Train”。迭代3将Fold 3标记为“Test”，其余标记为“Train”。迭代4将Fold 4标记为“Test”，其余标记为“Train”。迭代5将Fold 5标记为“Test”，其余标记为“Train”。数据来源分为Harvester、Backpack Outokumpu和Backpack Joensuu。列出了每次迭代的性能，从而得出了平均性能。

在训练过程中，应用了几种数据增强策略来提高模型的泛化能力。增强操作包括随机剪切、旋转、平移和透视扭曲等几何变换，以及以给定概率进行水平翻转。此外，还采用了CutMix和Copy-Paste等高级增强技术，通过混合或组合不同图像中的物体实例来增加样本多样性。模型参数根据目标或损失函数进行了优化，该函数考虑了分类、边界框预测和掩码生成中的错误。此外，YOLOv8使用分布焦点损失（DFL）来通过关注难以检测的示例来提高模型性能（Li等人，引用2020）。关于模型性能，使用精确度、召回率、平均精确度（mAP）和F1分数进行评估。这些指标基于交并比（IoU）阈值，通过评估真实标记和预测掩码之间的重叠区域来定义对象检测的成功。更高的阈值需要更大的重叠才能将预测视为真正例。因此，这些指标是为不同的IoU阈值计算的。在这些指标中，精确度衡量了正确检测到的对象与所有检测到的对象的比例，而召回率是正确分类的对象与所有实际对象的比例。mAP是不同类别的平均精确度值的平均值，mAP@50和mAP@50–95测量在不同IoU阈值下的性能。F1分数是精确度和召回率的调和平均值，提供了对模型性能的平衡评估。有关对象检测性能指标的全面回顾，请参见Padilla等人（引用2020）。

通道消融研究：为了评估每个单独通道的贡献，并确定使用所有四个通道是否合理，我们进行了消融研究。这项分析分两个阶段进行。在第一阶段，对数据集中每个图像的所有通道进行了相关性分析。在第二阶段，选择了YOLOv8s-seg模型进行训练，因为它具有轻量级架构和快速训练能力，在数据集的第一次迭代中使用了所有可能的通道组合。总共评估了15种不同的训练配置，以确定通道选择对模型性能的影响。

所有模型在精确度、召回率、F1分数、mAP50和mAP50-95方面取得了相似的结果（表2）。实际上，尽管YOLOv8m-seg模型更大，但它在分割方面的结果仅略好，而YOLOv8s-seg提供了更好的边界框。此外，单个图像的推理时间随着模型大小的增加而一致增加。YOLOv8n-seg模型实现了最低的平均推理时间，为0.9毫秒，而YOLOv8x-seg模型则实现了最高的平均推理时间，为8.0毫秒。表2报告了所有迭代的平均结果，而表3显示了仅使用采集器获取的数据进行评估的第一轮迭代的结果。为了获得更详细的概览，每次迭代的值以及训练和计算性能都在补充表S1–S4中提供。表2. 我们使用所有版本的YOLOv8-seg模型家族进行了试验的平均交叉验证结果，包括边界框和掩码检测指标、融合模型架构细节以及推理时间。检测指标是无量纲的，没有单位，范围从0到1。下载CSV显示表格表3. 第一轮迭代（仅使用采集器数据测试）的结果，包括所有版本的YOLOv8-seg模型家族，包括边界框和掩码检测指标以及推理时间。检测指标是无量纲的，没有单位，范围从0到1。下载CSV显示表格YOLOv8s-seg的第一次训练迭代的损失曲线显示，随着训练的进行，模型性能和损失指标都稳步提高（图4）。然而，测试集上的最小分割损失出现在大约100个周期后，之后逐渐下降。对预测边界框的F1-、精确度和召回率-置信度曲线的分析表明，在0.447的置信度阈值下获得了最高的F1分数（0.84）（图5）。在推理过程中，选择了0.5的置信度阈值，因为它接近最佳F1分数，并在精确度和召回率之间提供了实际的平衡。茎秆检测的真正阳性率为0.85，相应的假阴性率为0.15。所有YOLOv8-seg变体都观察到了相同的趋势，掩码预测也获得了类似的模式。尽管每次迭代的整体趋势一致，但由于跨折叠的结果变化，曲线有所不同。图4.YOLOv8分割模型在200个周期内的训练动态。x轴表示训练周期，y轴显示相应的无量纲指标值。第一行显示训练损失；边界框损失（box_loss）、分割损失（seg_loss）和分布焦点损失（dfl_loss）。第二行显示相应的验证损失。第三行报告边界框（b）和分割掩码（M）的精确度和召回率。第四行显示边界框和掩码的mAP50和mAP50-95。蓝色实线带圆形标记表示每个周期的结果，而红色虚线表示平滑趋势。阅读此图的详细描述所有图的x轴表示从0到200的周期。顶行显示训练损失：boxloss、segloss、clsloss和dflloss。第二行显示相应的验证损失。第三行显示边界框（B）和分割掩码（M）的精确度和召回率指标。底行显示边界框和掩码的mAP50和mAP50-95。每个图都包含带有标记的蓝色线，表示每个周期的结果，以及表示平滑趋势的红色虚线。损失图通常显示下降趋势，而精确度、召回率和mAP指标随着训练的进行而增加。具体数值在各个指标中有所不同，大多数在大约100个周期后趋于稳定。显示全尺寸图5. 在YOLOv8s-seg模型的第一次训练迭代中获得的边界框（A）F1-置信度曲线、（B）精确度-置信度曲线、（C）召回率-置信度曲线以及（D）精确度-召回率曲线。检测指标是无量纲的，没有单位，范围从0到1。阅读此图的详细描述图像包含四个标记为A、B、C和D的图表。图像A显示F1-置信度曲线。x轴标记为置信度，范围从0.0到1.0。y轴标记为F1，范围从0.0到1.0。曲线从大约（0.0, 0.5）开始，上升到（0.2, 0.8）的峰值，然后逐渐下降到（0.8, 0.7），最后急剧下降到（1.0, 0.0）。图像B显示精确度-置信度曲线。x轴标记为置信度，范围从0.0到1.0。y轴标记为精确度，范围从0.0到1.0。曲线从大约（0.0, 0.3）开始，急剧上升到（0.2, 0.7），然后在x等于0.8时继续缓慢增加至接近1.0，在接近结束时略有下降。图像C显示召回率-置信度曲线。x轴标记为置信度，范围从0.0到1.0。y轴标记为召回率，范围从0.0到1.0。曲线从大约（0.0, 0.9）开始，逐渐下降到（0.7, 0.8），然后急剧下降到（1.0, 0.0）。图像D显示精确度-召回率曲线。x轴标记为召回率，范围从0.0到1.0。y轴标记为精确度，范围从0.0到1.0。曲线从（0.0, 1.0）开始，在x大约等于0.8时几乎保持不变，然后急剧下降到（1.0, 0.0）。这些图表代表了与对象检测或图像分割任务相关的各种性能指标。显示全尺寸为了直观展示YOLOv8s-seg模型在树干分割中的有效性，提供了第一次迭代测试数据集的定性结果。这些图像展示了真实世界场景中检测到的树干边界框和分割掩码（图6）。这些结果证明了该模型在典型森林条件下的强大树干检测能力。图6. 树干分割的示例（来自结果数据集的图像）。阅读此图的详细描述图像A显示带有置信度分数的树干分割：Stem 0.4、Stem 0.8、Stem 0.7、Stem 0.9、Stem 0.8、Stem 0.7和Stem 0.6。图像B显示类似的分割，带有标记的边界框：Stem 0.9、Stem 0.6、Stem 0.7、Stem 0.9、Stem 0.7、Stem 0.8和Stem 0.3。这些图像展示了森林环境中树干的检测和分割。显示全尺寸消融研究使用数据集的第一轮迭代进行。首先，计算了所有图像之间所有通道的相关性，得到表4中显示的相关性矩阵。观察到反射率和强度之间的最高相关性（0.590），其次是反射率和范围之间的强相关性（0.558）。其次，YOLOv8s-seg模型在所有15种可能的通道组合上进行了训练。相应的边界框和掩码检测指标在补充表S5–S6中报告。四通道配置在边界框和掩码检测任务中表现出强劲的性能，边界框检测的F1分数最高为0.840，掩码检测的F1分数为0.832。表4. LiDAR球形投影通道（强度、反射率和范围）之间的相关性矩阵。相关系数是无量纲的，没有单位，范围从?1到1。下载CSV显示表格关于整个工作流程的平均处理时间，它完全由数据裁剪步骤和神经网络推理决定，因为球形投影可以直接作为输入提供。虽然之前已经描述了神经网络的平均推理时间，但在所选设置下，数据裁剪步骤引入了大约0.4毫秒的平均计算成本。讨论在这项研究中，我们提出了一种利用原始LiDAR数据和球形投影进行林业作业中单个树木检测的替代方法，这是一种在车辆自动化中广泛使用的技术。通过将这些投影应用于基于CNN的分割，我们证明了实时识别和分割树干的可行性。Grondin等人（引用2023）采用了Zed 2立体相机和深度学习在砍伐操作期间进行实例分割，采用了类似的方法，但使用了RGB图像而不是MLS。虽然这种方法能够得到满意的结果，但其有效性可能会受到光照条件变化的影响，因为RGB信息中的对象检测依赖于外部光源（Xie引用2024），例如阳光。相反，LiDAR通过生成自己的能量并捕获反射信号来缓解这个问题，从而实现不受光照条件影响的检测（Laible等人引用2012）。关于基于点云的技术，本研究的结果表明，我们的树干检测方法是一个可行的替代方案，与现有方法相比具有显著优势。通过球形投影进行实例对象分割提高了计算效率，从而避免了昂贵的3D卷积（Alaba和Ball引用2022），并促进了实时实现。此外，2D CNN已经取得了成熟的进展（Wu等人引用2021），而学习健壮的点云表示仍处于探索阶段（Wu等人引用2024）。通过投影数据，我们利用了2D处理技术，简化了标注和模型训练，同时实现了处理后3D数据的重建（Alaba和Ball引用2022）。尽管最近的3D点云方法，如PointPillars（Lang等人引用2019）或Point Transformer v3（Wu等人引用2024），为更全面的森林感知提供了有希望的途径，但它们在林业中的应用仍然有限。将LiDAR数据投影到2D的一个关键优势是数据标注的效率。虽然收集LiDAR点云的成本越来越低，但对其进行标注仍然耗时（Sun等人引用2024）。使用2D AI辅助标注工具，如Roboflow，可以显著加快这一过程，特别是在利用SAM2自动化该过程时（Dwyer等人引用2024）。这些改进不仅提高了标注效率，还为具有众多对象的复杂分割任务保持了高精度（Tarsoly等人引用2025），使得该方法非常适合精确林业应用。在未来，这项技术可以应用于使用TLS获得的点云，以识别树干、树枝或其他感兴趣的特征。模型性能、计算考虑以及与实时林业系统的集成选择了YOLOv8s-seg模型而不是其他版本的YOLO，因为它具有轻量级架构和计算效率高，非常适合计算资源有限的设备（Zhao等人引用2024）。这个变体代表了最小的模型尺寸，同时仍保持了竞争力，使其适合部署在资源受限的林业设备中。所获得的结果使我们能够识别YOLOv8架构在应用于树干检测和分割时的相关模式。在边界框检测和掩码分割方面，s到x变体之间没有观察到显著差异。相比之下，nano版本在迭代3到5中表现出略微较低的召回率值。除了这些架构之间的差异外，结果还显示出跨迭代的性能趋势下降，表明在不同场景中投影数据类型的差异是性能的关键驱动因素。在第一个场景（迭代1）中，裁剪后的数据投影减少了实例的数量，并优先考虑了位于传感器前的实例，从而消除了可能引入噪声的背景元素和附近对象。此外，这片林分最近经历了森林栽培处理，因此环境更加清晰，有利于检测。在第二个场景（迭代3）中，尽管森林栽培条件相似，但由于传感器的100米范围，未进行裁剪，允许背景树木进入视野，从而引入了噪声。最后，在第三个场景（迭代5）中，这片林分的森林密度很高（大约1000棵树/公顷），且没有最近的森林栽培处理，下层植被丰富。这构成了对模型最具挑战性的环境，导致了最低的交叉验证指标。这些差异也反映在每个场景的标记实例数量上，分别平均为6.69、19.72和37.98个实例。此外，图像分辨率似乎也影响了模型性能。迭代1的准确性最高，基于垂直图像分辨率较高的测试数据，而迭代5的准确性最低，依赖于垂直和水平分辨率最低的测试数据。这一观察表明，降低的空间分辨率可能导致了模型准确性的下降。为了在未来研究中更清楚地解释模型行为，应通过受控的消融实验明确区分数据集和子集级别因素的影响，例如林分位置、林分清洁度和密度、树木物种多样性、传感器安装、图像分辨率和数据裁剪；然而，由于可用数据集的大小和多样性有限，这种分析超出了本研究的范围。尽管在迭代之间观察到了差异，且平均指标相对较低，但在参考场景中，使用森林采集器获取的数据进行测试时，第1和第2次迭代的模型表现令人满意。然而，在更复杂的场景中，显然需要更大的训练数据集和更大的数据变异性来确保模型能够在不同的森林条件下进行泛化，同时不牺牲性能。这些发现与广泛的共识一致，即深度学习模型，特别是那些针对实时任务优化的模型，需要大量的数据变异性才能实现可靠的泛化。虽然较小的模型变体，如YOLOv8n-seg（nano），具有非常快的推理时间（0.9毫秒），但可能会牺牲准确性（Jocher等人，引用2023年）。对于需要最小感知延迟的应用来说，更快的推理时间至关重要，一个例子是自动驾驶车辆的安全导航（Abdelfattah等人，引用2023年）。然而，在林业作业中，准确性比速度更重要，因为收割机的操作速度相对较低（2-8公里/小时）（Rong-Feng等人，引用2017年）。从这个意义上说，使用YOLOv8s-seg并将数据采集范围限制在5-12米内，可以令人满意地平衡准确性和推理速度。

第1次迭代被强调是因为它最好地匹配了收割机的操作条件。在这种设置下，YOLOv8s-seg的训练曲线显示出有效的收敛，并且模型检测到的树干具有较低的假阳性率，从而获得了高精度（边界盒为0.875，掩膜为0.866）、召回率（边界盒为0.789，掩膜为0.784）和mAP50（边界盒为0.863，掩膜为0.846）。然而，较低的mAP50-95值（边界盒为0.513，掩膜为0.407）表明模型在严格的IOU阈值下存在困难，这表明在精确划分树木方面存在挑战。对边界盒预测的F1值、精度和召回率置信曲线的分析表明，最高的F1分数是在置信阈值为0.447时获得的。对于推理，选择了0.5的阈值来平衡精度和召回率，以确保预测的稳健性，同时简化部署。这一决策减少了假阳性和假阴性的数量，使得模型适用于实时林业应用。然而，报告的假阴性率为0.15，这表明在包含部分遮挡和复杂背景的同一林分中的特定场景中，性能可能会下降，特别是在局部树木密集的区域，或者遇到训练数据集中代表性不足的树种时。此外，使用的数据集规模较小，CNN中的特征表示可能会加剧过拟合（Wei等人，引用2024年）。

新的森林导向的3D LiDAR数据集的出现，如FinnWoodlands（Lagos等人，引用2023年）、TreeScope（Cheng等人，引用2024年）和DigiForests（Malladi等人，引用2025年），为预训练和迁移学习提供了机会，尽管这些数据集在传感器规格和数据格式上存在差异。利用这些资源，加上持续收集兼容的内部数据，是未来研究的一个重要方向，旨在提高模型在各种森林条件和采集设置下的稳健性。此外，本研究中检查的采伐林分在采伐前已经接受了定期的森林管理，减少了下层植被的密度和较低的树枝，这有助于提高树干的可见性并简化了检测过程，这表明在未管理的、植被密集的森林中应用该方法可能会遇到更大的挑战，正如第5次迭代的结果所显示的。

消融研究评估了YOLOv8s模型训练期间不同的通道组合，因为根据我们的结果，这是首选模型。消融研究的结果证明了使用四通道配置的合理性。然而，其余配置的性能相似，这可能部分归因于数据集的规模较小（665张图像）。不同通道之间的相关性（表4）并不意味着冗余，因为它们的组合改善了模型的性能，无论它们是适度相关还是几乎不相关，这表明性能是由互补信息驱动的。一个值得注意的发现是反射率的作用，这与Viswanath等人（引用2025年）的研究一致，即使作为单个输入通道，反射率也能够提供有竞争力的结果。此外，强度、反射率和范围的组合也表现良好，表明该模型可以推广到不包含环境通道的LiDAR传感器。尽管如此，Ouster OS0传感器提供的环境通道（在NIR光谱中工作波长为865纳米）的加入可以提高模型在不同森林环境中的适应性。这种环境通道还有助于评估树木健康状况，因为红外图像已被证明能够以快速、低成本且非破坏性的方式有效地检测早期损伤和疾病（Vidal和Pitarma，引用2019年）。此外，这些光谱信息还可以用于物种识别，从而扩展所提出方法在精准林业中的潜在应用（da Luz和Crowley，引用2010年）。

在现实世界中，这种方法必须集成到一个实时处理系统中，该系统结合了LiDAR数据采集、球形投影和基于深度学习的推理，并在机载计算单元中实现。一个关键目标是实时数据处理，以帮助收割机操作员（Sagar等人，引用2024年）。这样的系统将能够在收割机运行时持续分割树干，支持操作员的决策制定和未来的自主功能。虽然本研究关注的是推理时间，但结果表明整个处理工作流程可以实时运行，从而在操作环境中实现完整的管道部署。关键要求包括高效的数据处理、低延迟的推理以及能够运行深度学习模型的硬件，例如嵌入式GPU或AI边缘设备。YOLOv8s-seg的快速推理速度（平均1.5毫秒）突显了它适用于此类应用的潜力。在现有的硬件解决方案中，NVIDIA Jetson AGX系列因其紧凑的尺寸和低功耗而提供了高GPU性能而脱颖而出。这些设备在机器人技术和感知任务中的对象检测和定位等高要求过程中具有强大的GPU能力（La Hera等人，引用2024年）。成功的集成还取决于在变化的场地条件下的稳健性能以及向操作员显示结果的直观界面，可能通过驾驶室屏幕或AR设备实现。最终，这种实时系统可以支持自动化疏伐、产量预测和库存更新等高级应用，从而促进更高效和数据驱动的森林管理。

在收割机上安装LiDAR传感器面临几个特定领域的挑战。在不平坦的地形上进行操作，加上收割任务和发动机活动，可能会引入振动，这些振动会传递到LiDAR传感器。根据模型迭代的结果，这些振动似乎没有影响修剪和投影步骤的性能。考虑到数据的三维质量，振动可能会增加噪声，并可能影响传感器IMU的准确姿态估计（Ferreira等人，引用2023年）。在这方面，Jelavic等人（引用2022年）提出在LiDAR安装/支架中使用橡胶插件来减少振动。此外，收割机的上部结构会大幅限制传感器的视野（FOV），并且传感器经常记录来自机器本身的回波（Nevalainen等人，引用2020年）。这些自回归信号必须被识别并移除，因此需要仔细的预处理。因此，正确的传感器放置和保护至关重要：安装必须能够承受室外操作，并保护设备免受树枝、密集植被和掉落碎片的影响（Jelavic等人，引用2022年），同时位置选择应优化FOV并支持稳健的定位。另一个重要考虑因素是了解操纵器（臂）的状态，因为估计其姿态可以支持自动化和控制（Lindroos等人，引用2017年）。收割机头部处理的树木也作为动态物体干扰SLAM，由于收割机很少闭合循环，线性SLAM方法更为适用（Nevalainen等人，引用2020年）。与受益于循环闭合以减少漂移的MLS背包系统不同，安装在收割机上的传感器遵循非闭合路径。因此，一个更公平的比较方法是使用这两种系统沿着相同的收割路径进行扫描，MLS可能会提供更稳定的几何形状。这种交叉验证将有助于量化由于振动、遮挡和轨迹约束造成的性能损失。在这方面，未来的一个有前景的工作方向是直接比较使用收割机安装的传感器和MLS背包采集的森林测量结果。观察这些关键测量中的系统偏差将提供具体证据，说明振动和机器动态如何影响森林清查的准确性，并允许更严格地评估操作集成和测量精度之间的权衡。

我们的方法利用多通道LiDAR数据的球形2D投影和CNN模型来实时检测树木。当包括LiDAR数据通道（如强度、环境光、反射率和范围）时，这些投影可以提供丰富的空间和光谱信息，支持高精度地检测和分割树干。此外，高分辨率传感器能够详细提取树木特征变量，例如不同高度的直径、曲率和倾斜度。然而，每个LiDAR帧只能捕捉到树干的部分视图，这取决于收割机的运动和传感器的视线。这种不完整的视角限制了从单帧准确估计树木特征的能力。为了应对这一限制，未来的研究应专注于聚合多个时间上相邻的帧，以增强树干模型和树木级别变量的估计。此外，还需要研究传感器相关错误（特别是与Ouster OS0的激光束特性相关的错误）对树木测量准确性和可靠性的影响（Faitli等人，引用2024年）。理解和减轻这些限制对于推进基于LiDAR的树木建模以及在林业操作中实现自动化的、数据驱动的决策制定至关重要。

一旦实现了树木的分割和识别，单独描述它们对于克服林分级别的限制非常重要（Keefe等人，引用2022年）。识别单个树木的特征及其在林分中的位置可以定义林分的结构和组成特征。这些信息应该为选择针对特定树木需求的有效森林管理措施提供基础（Achim等人，引用2022年）。这些选择性措施将改善森林价值链和可持续的森林管理实践，将其影响从树木级别扩展到景观级别。例如，在树木采伐时了解树木的树木特性可以为最佳采伐方式提供信息。定义一个根据每个树干的具体特性指定切割模式的采伐计划对于提高价值回收至关重要（Acuna和Murphy，引用2005年；Prendes等人，引用2023年；Diniz等人，引用2024年）。此外，单个树木级别的信息可以实现森林产品从树桩到锯木厂的追溯（Saikouk和Spalanzani，引用2016年；Keefe等人，引用2022年）。当涉及到林分级别时，单个树木的检测和特征描述可以与诸如疏伐密度助手（TDA；Mets?lehti，引用2022年）等工具结合使用。这些工具可以在进行收割操作时规定森林管理措施，符合可持续性目标（Sagar等人，引用2024年）。此外，在收割操作期间实时识别和描述单个树木，可以生成剩余树木的地图。这些信息随后可以用于建模未来的林分生长（Richards和Stokes，引用2004年；Fransson等人，引用2019年）。最后，在景观级别，可以利用关于植被特征的空间变化的林分间或林分内信息来生成多个指标的详细地图。这些指标可能涉及生态系统服务（Guo等人，引用2018年）或与林分易受干扰相关的属性（González-Olabarria等人，引用2012年）。

总之，本研究介绍了一种使用LiDAR数据直接从林业收割机检测树干的新方法，数据经过2D球形投影处理，并使用基于YOLOv8的卷积神经网络进行分析。所提出的流程涵盖了整个工作流程——从数据采集和转换到模型推理——为动态森林环境中的实时感知提供了一种实用的方法。一个关键创新在于使用RGBA图像，它融合了多个LiDAR数据通道（强度、反射率、范围和环境光），显著提高了分割模型的性能和稳健性。尽管结果很有希望，但这种方法仍然只是一个概念验证。在全面实施之前，必须解决两个关键挑战：（1）开发一个可在收割机上部署的集成实时处理系统；（2）扩展和多样化训练数据集，以确保在各种森林类型和操作条件下的泛化。还需要进一步的工作从投影数据中提取树木特征变量，并评估它们在优化采伐策略和决策支持系统中的作用。尽管存在这些限制，这项研究为推进林业作业中的自动化奠定了坚实的基础。准确的、实时的树干检测可以提高运营效率，为森林培育决策提供依据，并有助于实现可持续、可追踪的森林管理——这凸显了深度学习和传感器融合在精准林业中的变革潜力。

关于生成式AI和AI辅助技术的声明：在准备这项工作时，作者使用了ChatGPT和Grammarly来提升语言表达。在使用这些工具后，作者对内容进行了仔细审查和必要的修改，并对最终版本的发布负全责。