DFL-YOLO: A Density-Guided Network with Large Selective Kernels and Frequency Decoupling for Dense Multi-Class Tree Crown Detection

Los bosques son bibliotecas vivas y vastas que almacenan carbono, regulan el clima y sirven de refugio para innumerables especies. Para protegerlos, los científicos y los gestores de tierras necesitan saber exactamente qué está creciendo dónde, qué tan grandes son los árboles y cuántos hay. Durante décadas, esto significaba enviar personas al bosque con cintas métricas y portapapeles, un proceso lento y costoso que solo podía cubrir diminutas parcelas de tierra a la vez. Hoy en día, la solución suele venir desde arriba. Drones equipados con cámaras vuelan sobre el dosel, capturando miles de imágenes que revelan la estructura del bosque con un detalle increíble. Sin embargo, convertir estas imágenes en datos precisos es sorprendentemente difícil. Cuando un dron mira hacia abajo, los árboles suelen estar muy juntos, sus copas se superponen como piezas de un rompecabezas y varían enormemente en tamaño. Algunos son diminutos retoños, mientras que otros son gigantes masivos, todo mezclado con sombras y vegetación baja que confunden a los programas informáticos que intentan contarlos.

Un equipo de investigadores de la Universidad Agrícola de Sichuan ha desarrollado una nueva forma de resolver este rompecabezas visual. Crearon un sistema informático especializado diseñado para observar las imágenes de drones de los bosques e identificar copas de árboles individuales con una precisión mucho mayor que los métodos anteriores. El sistema, al que llaman DFL-YOLO, funciona dividiendo el problema en tres pasos distintos, de forma muy similar a como un experto humano abordaría una escena compleja. Primero, construye una comprensión amplia de los alrededores, aprendiendo a reconocer tanto árboles pequeños y aislados como doseles grandes y continuos. Segundo, se concentra en las áreas congestionadas donde los árboles se superponen, utilizando una técnica para separar los bordes nítidos de los árboles del ruido de fondo borroso. Finalmente, perfecciona la ubicación exacta de cada árbol, asegurando que la computadora dibuje un cuadro alrededor de la copa que encaje perfectamente, incluso cuando el árbol está parcialmente oculto o apretado entre sus vecinos.

Los investigadores probaron su nuevo sistema en una colección masiva de imágenes tomadas de bosques reales en los Estados Unidos, combinando datos de observatorios ecológicos nacionales con otras fuentes. El conjunto de datos contenía más de 160,000 árboles etiquetados, que iban desde pequeños retoños hasta ejemplares maduros y grandes, a menudo tan apretados que sus ramas se tocaban. Cuando ejecutaron su nuevo sistema contra las mejores herramientas existentes, los resultados fueron claros. El nuevo método identificó y localizó los árboles correctamente de manera significativamente mejor que el estándar anterior. Logró una tasa de éxito del 82.2% en encontrar los árboles y delinearlos correctamente, un salto notable desde el 79.6% logrado por el sistema base. Más importante aún, cuando los investigadores exigieron un nivel de precisión más estricto —requiriendo que la computadora coincidiera casi perfectamente con el contorno del árbol— el nuevo sistema siguió superando a la competencia, mejorando la precisión en más de cuatro puntos porcentuales.

Para entender por qué este nuevo sistema funciona tan bien, uno debe observar cómo procesa la imagen. Los investigadores se dieron cuenta de que las herramientas de visión computacional estándar suelen tener dificultades porque tratan todas las partes de una imagen de la misma manera, independientemente de si el área es congestionada o dispersa. Su solución consistió en tres mejoras específicas. La primera mejora ayuda a la computadora a ver el "panorama general" y los "detalles pequeños" simultáneamente. Al utilizar un filtro especializado que observa un área amplia de la imagen a la vez, el sistema puede comprender el contexto de un árbol, ya sea que esté solo en un claro o enterrado en un grupo denso. Esto le permite reconocer un árbol pequeño que de otro modo podría pasar desapercibido por estar rodeado de árboles más grandes.

La segunda mejora, y quizás la más ingeniosa, aborda el problema de los árboles superpuestos. En un bosque denso, las sombras y las hojas de un árbol a menudo se mezclan con las del siguiente, lo que dificulta distinguir dónde termina uno y comienza el otro. Los investigadores enseñaron a su sistema a predecir un "mapa de densidad", una especie de mapa de calor que muestra dónde están más congestionados los árboles. Usando este mapa, el sistema aprende a afilar los bordes de los árboles en áreas congestionadas mientras suaviza el ruido de fondo. Efectivamente, le dice a la computadora que preste especial atención a los límites donde los árboles se tocan, ignorando las texturas confusas del suelo del bosque o las sombras que podrían engañar a un programa más simple. Este proceso de separar los bordes nítidos del fondo suave permite al sistema distinguir entre dos árboles que están casi tocándose, una tarea que anteriormente causaba muchos errores.

La última mejora se centra en la precisión de los cuadros dibujados alrededor de cada árbol. Incluso si una computadora encuentra un árbol, podría dibujar un cuadro que es ligeramente demasiado grande o demasiado pequeño, o desplazado hacia la izquierda o la derecha. Los investigadores introdujeron una nueva forma de medir qué tan bien coincide el cuadro de la computadora con el árbol real. En lugar de solo verificar si los cuadros se superponen, su método observa la distancia entre las esquinas de los cuadros y las esquinas del árbol real. También presta atención a qué tan difícil es encontrar cada árbol específico, dando más peso a los más complicados de hallar y menos peso a los más fáciles. Esto asegura que el sistema aprenda de sus errores en los ejemplos más difíciles, lo que conduce a un rendimiento más confiable en todo el bosque.

El equipo no se detuvo en probar su sistema con las imágenes forestales que recolectaron. Para demostrar que su método era verdaderamente robusto y no solo cuestión de suerte con un conjunto de datos específico, reentrenaron el sistema con un conjunto de imágenes completamente diferente tomado en un contexto distinto: el conjunto de datos VisDrone2019, que contiene imágenes de varios objetos desde el aire. Incluso sin haber sido ajustado específicamente para árboles, el sistema se adaptó rápidamente y funcionó mejor que otros modelos líderes en estos nuevos datos. Logró una tasa de éxito del 54.5% en la identificación y el delineado correcto de objetos, superando nuevamente a la competencia. Esto sugiere que las técnicas que desarrollaron no son solo una solución temporal para un problema específico, sino una mejora general en la forma en que las computadoras pueden comprender escenas congestionadas desde arriba.

Los investigadores reconocen que aún queda trabajo por hacer. Aunque su sistema es un paso significativo hacia adelante, no es perfecto. En las partes más densas del bosque, donde los árboles están fuertemente sombreados o completamente ocultos por sus vecinos, el sistema todavía tiene dificultades para encontrar cada árbol. La potencia computacional requerida para ejecutar estos filtros avanzados también es mayor que la de los modelos más simples, lo que podría dificultar su ejecución en drones pequeños alimentados por baterías en el campo. Sin embargo, el estudio proporciona un camino claro a seguir. Al demostrar que dividir el problema en construcción de contexto, análisis de densidad y localización precisa funciona, han entregado a la comunidad científica un nuevo plano para monitorear nuestros bosques. A medida que estas herramientas mejoren, permitirán a los científicos rastrear la salud de los bosques, medir el almacenamiento de carbono y detectar brotes de enfermedades con una velocidad y escala que antes eran imposibles, convirtiendo el caótico dosel verde en datos claros y accionables.