目睹草地：基于深度视觉嵌入的提高生物多样性的机器人割草
计算机视觉与模式识别
2025-12-19 v1
摘要
本文提出了一种通过视觉感知和自适应决策主动提升花园生物多样性的机器人割草框架。不同于被动的草原化方法，该系统使用深度特征空间分析来识别和保留摄像机图像中视觉上具有多样性的植被块，通过选择性关闭割草刀片来实现。预训练于PlantNet300K的ResNet50网络提供具有生态学意义的嵌入，从中估计出没有物种级别监督的生物多样性。这些估计驱动一种选择性割草算法，动态在割草和保护行为之间交替。该系统在修改后的商业机器人割草器上实现，并在受控模拟草坪和真实花园数据集上进行了验证。结果表明，嵌入空间的离散程度与专家生物多样性评估之间存在很强的相关性，确认了以深度视觉多样性作为生态丰富性代理的可行性，以及所提出割草决策方法的有效性。广泛采用此类系统将把毫无价值的单植物草坪转化为充满活力、具有价值的生物栖息地，从而提升城市生物多样性。
引用
@article{arxiv.2512.15993,
title = {Eyes on the Grass: Biodiversity-Increasing Robotic Mowing Using Deep Visual Embeddings},
author = {Lars Beckers and Arno Waes and Aaron Van Campenhout and Toon Goedemé},
journal= {arXiv preprint arXiv:2512.15993},
year = {2025}
}