近日，我校民族医药学院团队在无人机遥感结合深度学习在高原药用植物资源调查研究方面取得了新的进展，相关成果以“Deep  learning and UAV-Based image recognition for identification of medicinal plants in Gentiana Sect. Cruciata”为题，于2025年10月在《Computers and Electronics in Agriculture》（中科院一区，TOP期刊）正式发表。民族医药学院博士后丁荣和药学院2021级硕士研究生杨江凯为论文共同第一作者，民族医药学院古锐教授为通讯作者，mg老虎机游戏为第一单位。

秦艽类药用植物，生长于湿润和半阴凉的生态环境，常见于山间草地、高海拔草甸、森林边缘以及灌木丛生的区域，在海拔1500至4500米的高原区域广泛分布。在藏医著作中具有悠久的用药历史，明确的临床治疗功效，如祛风湿、清湿热、消虚热等，具有重要的药用价值与生态地位。秦艽在藏区产量极其丰富，但由于地理环境恶劣，其传统的资源调查较为困难。本研究以粗茎秦艽Gentiana crassicaulis、麻花艽Gentiana straminea、黄管秦艽Gentiana officinalis和管花秦艽Gentiana siphonantha为研究对象。该四种秦艽植物由于野生资源分布广泛、形态相似度高，传统的人工调查方法效率低、成本高，亟需建立高效、非破坏性的识别与资源评估技术体系。

该研究聚焦“无人机遥感 × 深度学习”融合技术，以四川、青海两地的野生样地为例，系统构建了秦艽组四个药用植物品种的图像识别模型。研究结果提示，YOLOv5s模型在640×640分辨率下识别精度最高（mAP0.5 = 0.889），其中麻花艽识别准确率最高（mAP0.5 = 0.866），黄管秦艽识别难度最大（mAP0.5 = 0.742）。为提升模型在复杂野外环境下的泛化能力，该研究创新性引入“模拟天气增强”策略，涵盖阴天、强光、风、遮挡等多种场景，最终实现整体识别准确率98%、mAP0.5达0.901、R?达0.98。

该研究系统构建了适用于高原生态环境下的药用植物无人机识别框架，突破了传统方法在效率、精度与生态友好性上的限制。该方法不仅适用于秦艽组植物，也为其他高原濒危药用植物的资源普查、生态监测与可持续利用提供了技术范式。

该研究受到国家自然科学基金面上项目（82073964）的资助。

全文链接：https://doi.org/10.1016/j.compag.2025.111076

（文、图/民族医药学院）