森林巡检是森林管理的重要工作内容，在火情预防监测、森林资源监控等方面发挥着关键作用。而随着技术的发展完善和落地应用，科技开始代替传统人工的在森林巡检上发挥力量。

5月20日，在“WAVE SUMMIT 2020”深度学习开发者峰会上，百度深度学习技术平台部高级总监马艳军分享了合作伙伴普宙飞行器科技有限公司(以下简称“普宙”)，基于百度飞桨深度学习技术打造的一款无人机自主飞行平台。借助该平台，可实现大范围森林的自主巡逻、火情监测、非法入侵、森林树木砍伐监测等功能，为森林管理工作者提供了更高效智能的巡检方案。

(百度深度学习技术平台部高级总监马艳军分享飞桨助力普宙森林巡检)

百度飞桨深度赋能，助力森林巡检进入智能化时代

森林巡检是森林管理工作重要环节之一。然而，目前国内外森林局大部分仍将人工巡检作为主要方式，因而也面临着人工巡检工作强度大、巡检效率低、信息获取不及时、时效性差等缺点。尤其是在面对森林火情、树木砍伐等隐患时，传统人工巡检效率低下的缺点更被放大，如若发现延迟，很可能对森林资源造成不可逆的损失和后果。

普宙是一家专注于研发、生产和销售无人机的高科技企业，服务于电力、石油、消防、安防、森林防火和救援等领域。森林巡检作为普宙业务领域之一，向森林管理工作者提供了无人机巡检的解决方案。然而，由于无人机返回的大量图片只能依靠人工拼接为高清大图，巡检效率的提升、范围的扩大仍然受限。

为了进一步提升森林巡检效率，普宙选择为无人机注入百度飞桨的深度学习技术的“内核”。基于百度飞桨深度学习技术PaddleSeg和PaddleDetection，普宙专门为森林巡检行业定制开发了一款无人机自主飞行平台，以及应用管理平台GDU Flight MS，可实现大范围森林的自主巡逻、火情监测、非法入侵、森林树木砍伐监测等功能。

通过百度飞桨的深度赋能，普宙打造的无人机森林巡检系统相比人工巡检效率提高200%，巡检范围也从之前的40%提升至100%全覆盖。特别是在使用Paddle Detection以后，召回率提升3.51%，准确率提升7.92%。截至目前，百度飞桨联合普宙打造的森林巡检自主飞行平台，已落地东南亚155个森林公安分局。

百度飞桨双技术助力，实现多场景应用和准确率提升

PaddleSeg是基于飞桨开发的端到端图像分割开发套件，覆盖了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割网络。通过模块化的设计，以配置化方式驱动模型组合，帮助开发者更便捷地完成从训练到部署的全流程图像分割应用。

普宙基于飞桨PaddleSeg技术开发的无人机应用管理平台GDU Flight MS，能够实现森林区域的高精度实景拼图，智能语义分割分析等功能，通过对不同巡检时间的森林实景图像进行语义分析和人工智能对比，实现了智能分析森林植被变化情况，包括建筑地、农田、原始森林、人工森林的资源变化情况，辅助森林局对非法伐木行为及时制止，从而保护森林资源。针对森林资源保护成效，普宙相关人员表示：“截止目前，借助该平台已制止过十几次破坏森林的行为。”

(基于飞桨语义分割的森林植被分析)

此外，普宙还基于百度PaddleDetection技术实现了大范围森林自主巡检和火情监测。PaddleDetection是基于飞桨开发的目标检测开发套件，性能优越、易于部署，而且能够灵活的满足算法研究的需求。该技术的模型中使用的核心算子均通过C++或CUDA实现，同时基于PaddlePaddle的高性能推理引擎可以方便地部署在多种硬件平台上;通过模块化设计来解耦各个组件，基于配置文件可以轻松地搭建各种检测模型。除了大幅度提升巡检效率和范围之外，普宙还结合百度PaddleDetection技术进行烟雾火点检测，实现了大范围森林的火情监测，一旦发现火情，将向控制中心发出警报，辅助森林局第一时间联动其他机构控制火情。普宙在使用飞桨该项技术之后，召回率由原来的75.64%提升到79.15%，准确率也从原来的59.58%提升至67.5%，在火情监测效果上迈上了新的台阶。