摘要
形态测量信息可提供鲸豚类体型与形状的定量描述，结合适当的生物学校准时，有助于未来评估个体状况与种群状态。然而，传统的接触式测量方法难以应用于野外游弋的长江江豚（Neophocaena asiaeorientalis）。无人机影像提供了一种获取江豚形态测量数据的非接触手段，但将无人机观测转化为可靠体表测量的自动化工作流程仍然有限。为填补这一空白，研究人员开发了一种由定向检测引导的 SAM2 形态测量工作流，名为 ODG-SAM2-Morph，用于从无人机影像中自动提取体表形态测量参数。该工作流集成了用于定向目标定位的 YOLO26-OBB、用于提示引导体表分割的 SAM2，以及针对完整体与局部体样本的差异化形态测量提取策略。在定向检测的引导下，采用 R-Box + 1FG 提示的小型 SAM2 模型生成了体表掩膜，其平均 IoU、平均 Dice 系数、精确率和召回率分别为 0.824、0.901、0.883 和 0.932。对于完整体样本，自动提取的体长和体宽参数与手动测量结果表现出初步的一致性。对于 114 个局部体样本，自动提取的最大可见体宽与手动测量结果吻合较好，MAE 为 3.32 厘米，MAPE 为 11.93%。连续序列分析进一步表明，最大可见体宽的代表性取决于躯干暴露程度、轮廓清晰度、身体姿态及帧间稳定性。通过将无人机观测转化为定量的基于图像的形态测量数据，ODG-SAM2-Morph 为自然调查条件下长江江豚的非接触式形态测量监测提供了切实可行的基础。
