基于YOLO的卫星图像考古石堆检测与绘图工作流程：以乍得西部恩内迪为例

《Heritage》：A YOLO-Based Workflow for Detecting and Mapping Archaeological Stone Cairns in Satellite Imagery: A Case Study from Western Ennedi, Chad

　　

摘要

利用高分辨率卫星图像自动检测考古石堆，为记录恩内迪山脉中那些因地形复杂且偏远而难以进行传统实地调查、同时需要快速记录的脆弱文化遗产提供了可扩展的方法。本研究基于YOLOv8模型，结合GIS与深度学习技术，利用空间分辨率为28.5厘米的谷歌卫星RGB图像来识别和绘制石堆分布图。通过GPS实地调查获得的真实数据被用于训练和验证YOLOv8n模型。研究区域被划分为地形和光照条件不同的两个子区域，以评估模型的通用性。训练区域包含149个已确认的石堆，而独立测试区域则包含103个石堆。通过提前停止算法避免了过拟合现象，模型的mAP50值达到99.5%，mAP50–95值则为94.3%。此外，还采用了基于密度的空间聚类算法，将重叠的检测结果合并，从而生成圆形的石堆表示。在测试集中，该模型的精确度、召回率和F1分数分别为83.5%，表明在所选配置下其性能稳定。与YOLOv5n相比，YOLOv8n的定位精度略高，而YOLOv5n的精确度和F1分数则稍高一些。总体而言，这一框架为在偏远的沙漠环境中进行大规模考古勘探和文化遗产监测提供了一种无需干扰的实用工具。