张志华1,2, 胡朝鹏1,2, 丁鹏辉1,2, 李志刚1,2, 赵倩1,2

1. 青岛市勘察测绘研究院, 山东 青岛 266000;

2. 地下空间数智化技术山东省工程研究中心, 山东 青岛 266000

基金项目：青岛市科技惠民示范专项(25-1-5-xdny-12-nsh)

关键词：高标准农田, 建后管护, 无人机巡检, 目标检测, 视觉语言大模型

摘要 ：[目的]针对高标准农田基础设施存在建后管护不到位的问题,无人机巡检结合人工智能分析提供了可行的解决方案,但仍存在场景适配不足、检测效果不佳等问题。[方法]本文提出了一套分场景、多层次的视觉检测框架。针对常见病害,以田间道为例,采用目标检测模型YOLO11,引入Wise-IoU损失函数进行改进,以提升病害的检测精度;针对特定设施的复杂异常问题,以出水口保护墩为例,融合YOLO11的精确定位与视觉语言大模型Qwen3-VL的语义理解,构建了一种少样本学习检测方法。[结果]试验表明,在田间道病害数据集上,本文方法mAP50较原始模型提升8.3个百分点;在出水口保护墩数据集上,准确率和召回率分别达到86%和96%。[结论]本文研究为高标准农田基础设施无人机巡检提供了灵活可靠的分析方法,具有良好的工程应用前景。

我国在近年来建设了超过10亿亩的高标准农田，为粮食产量连续站稳1.4万亿斤的台阶提供了坚实的耕地支撑，这也是保障国家粮食安全的关键举措。农田基础设施“三分靠建，七分靠管”，建后管护是确保农田高效、持续利用的关键环节，然而实际上，高标准农田建后管护存在责任落实不到位、资金分配不足等问题，使得基础设施面临“有人用、无人管”的困境，无法得到及时和有效的维护，制约了工程长期效能的发挥[1]。文献[2]指出，农田基础设施存在点多、线长、面广、量大的特点，小散特性突出，人员配备不足，人工巡查的监管方式已不能满足需求，信息化预警监管措施应用少，使得建成设施得不到及时有效的管护。

2026年中央1号文件提到，要促进人工智能与农业发展相结合，拓展无人机、物联网、机器人等应用场景[3]。文献[4]指出无人机遥感可对较小设施进行精细化提取，并发挥机动快速优势进行农田设施管护巡查。文献[5]采用视觉大模型建立了先进的农田要素提取策略。但文献[4—5]主要面向要素监测，缺乏对设施本身状态如病害、损坏的细粒度分析。目前，电力[6]、水利[7]、交通[8-9]等许多行业利用“无人机+AI”开展运维巡检工作，成果显著，可迁移至农业领域。不过，直接采用已有算法和技术方案，将会面临场景适配不足、检测效果不佳等问题，难以达到实用目的。

本文面向高标准农田基础设施无人机巡检，提出一套分场景、多层次的视觉检测框架。结合设施特点和无人机遥感图像特性，对常见病害采用改进损失函数的YOLO11检测算法进行识别，对特定设施的复杂问题，设计融合YOLO11与Qwen3-VL的少样本检测方法；分别以田间道和出水口保护墩为例进行试验分析，以验证整体方案的有效性。

1 基础设施问题分析与检测框架构建

高标准农田建设主要包括田、土、水、电、林、路、技、管8大类配套工程。采用卫星遥感手段，可对田、水、林、路4大类主要设施进行遥感监测[4-5]。相比卫星遥感，无人机遥感虽然覆盖面小，但地面分辨率高，对线状和点状基础设施巡检更有优势，并且能够获取更为精细的表观状态。综合资料查询[10-11]与实地调研，本文梳理了适宜采用无人机进行管护巡检的高标准农田基础设施及可发现的主要问题，见表 1。

表 1 无人机巡检可发现问题

对上述问题进行识别, 主要可以采用基于深度学习的目标检测算法, 从图像中找到问题对象, 并给出矩形包围框; 也可以使用语义分割方法, 能够提供像素级的分类结果, 得到精细的目标轮廓。这两种方法通常需要首先标注一定数量的样本数据, 然后通过迭代训练使模型学习到相应的判别能力。近年来, 随着多模态大模型的兴起, 视觉语言大模型(vision-language model, VLM)为图像识别领域带来了新的范式。VLM通过在海量图像-文本对数据上进行预训练, 学习到了丰富的视觉与语义关联, 从而具备了强大的开放词汇检测能力。VLM的另一显著优势在于其少样本学习能力, 利用预训练阶段习得的通用视觉-语义表征, 仅凭极少量的样本(通常为1~10个示例)即可快速适配并掌握新任务。

通过单一的某类算法实现对表 1所列设施问题的识别提取是较为困难的。各类问题中，有些较为常见，具有明显的视觉特征，易收集数据，如路面损坏、堆放废弃物等，适宜采用目标检测算法；沟道淤积堵塞、农田用途改变，可采用语义分割算法，提取目标轮廓进行评价；出水口保护墩异常、护坡坍塌、配电箱损坏等类别，较为少见，不易收集数据，更适宜利用VLM的强大视觉理解能力进行综合分析判断。综上，本文构建了如图 1所示的检测框架，可在实际场景中综合分析、灵活调整。对于特定场景，可以增加定制处理手段以提高检测效果，如针对小目标检测，使用切片分块推理策略，针对少见目标，使用少样本学习来快速适配等。

2 无人机巡检数据获取

选取田间道病害和出水口保护墩异常两类问题进行应用研究。试验区域位于莱西市日庄镇，地貌为丘陵，自2017年开始进行了高标准农田建设。现场布设有大疆机场一套，使用大疆司空2云平台进行航线规划和数据获取。结合该区域无人机正射影像，选定了田间道8条、出水口点位166个进行数据获取。试验区域概况如图2所示。

对于田间道巡检，采用沿线匀速飞行模式，飞行高度约50 m，焦距为44 mm，垂直地面拍摄，固定拍照时间间隔为2 s，确保路面范围全部覆盖。对于出水口，采用定点拍照模式，由于现场大风影响且点位存在偏差，如果焦距过大，出水口易偏出画面，经过测试，焦距设为22 mm，图片分辨率为4000×3000像素，出水口保护墩大小约占100~200像素，满足分析需要。

3 田间道病害识别

田间道是连接田块与村庄、田块，供农田耕作、农用物资和农产品运输通行的道路，路宽一般3~6 m。调研发现，水泥混凝土材质的田间道，受温度变化、路基沉陷、农机碾压等因素影响，会产生不同程度的裂缝，并随时间推移导致板角断裂、坑洞、破碎板等病害，影响通行安全。

已有道路裂缝病害检测研究[8]及开源数据集主要针对沥青材质的公路或城市道路，其表现形式与田间道有所区别。本文利用获取的无人机影像自建数据集用于算法试验，其中样本包含横向裂缝、纵向裂缝、龟裂3个类别。

3.1 改进的YOLO11算法

YOLO11由Ultralytics于2024年发布并开源，采用经典的骨干网络、颈部网络和检测头三段式架构。骨干网络采用C3k2模块、改进的空间金字塔池化结构和具有注意力机制的C2PSA模块，在降低计算量的同时增强了对不同尺度目标特征的提取能力。颈部网络改进了PANet结构，实现了自底向上与自顶向下的双向特征传递，有效融合了浅层高分辨率特征与深层强语义特征。检测头则采用解耦设计，将分类与回归任务分离，通过独立的卷积分支分别预测类别概率与边界框坐标，减少了任务间的干扰，提升了检测的准确性。

对于田间道病害检测，由于道路裂缝交错纵横，在样本标注过程中，有时包围框边界难以界定，导致存在一些语义不清晰的低质量样本；同时，3类样本也存在显著的数量不均衡。YOLO11采用CIoU作为边界框损失函数，通过联合优化交并比、中心点距离和长宽比3个几何参数，以优化边界框回归的精度，这一损失函数会受低质量样本干扰，影响检测器的精度。因此本文算法采用Wise-IoU[12]作为损失函数进行改进，其定义为

式中，IoU为预测框与真实框的交并比；β为离群度，用于衡量锚框的质量；δ和α为超参数；x、y、xgt、ygt分别为预测框和真实框的中心点坐标；而Wg和Hg分别为包围预测框与真实框的最小矩形的宽和高。使用Wise-IoU，能够有效抑制离群样本产生的有害梯度，提高模型精度和泛化能力。

3.2 试验分析

试验数据集共包含726张无人机遥感影像，其中共有横向裂缝实例191个，纵向裂缝实例461个，龟裂实例66个。训练集、验证集和测试集分别包含影像508、108和110张。

算法训练所用硬件平台搭载NVIDIA RTX 3060Ti型号GPU，显存8 GB。使用Windows 11操作系统和PyTorch1.12深度学习框架。训练时，使用SGD优化器，批处理大小为12，共训练300轮。选用YOLO11m作为基准模型。

以准确率(P)、召回率(R)、mAP50作为指标，表 2展示了本文改进方法和基准模型YOLO11m的精度评价结果。可以看出，改进方法在各项指标上均有一定的提升，在横向裂缝和龟裂两类问题上的性能提升明显。mAP50提升了8.3个百分点，证明了Wise-IoU损失函数在当前任务中的有效性。

对试验结果进行可视化验证，如图 3、图 4所示，本文方法对3类裂缝都具备较好的检测能力，在阴影、树枝干扰等情况下，也能有效识别出裂缝对象。但算法也存在漏检现象，召回率还需进一步提高。

4 出水口保护墩异常识别

高标准农田水利设施的建设关乎粮食稳产增收，出水口是水利工程中的重要附属设施。田间出水口一般相隔50 m布设，经地下管道与泵站相连。出水口外套保护墩(如水泥桩、玻璃钢或塑料保护罩等)用于标识和防护，避免出水口遭受农机碾压、人为破坏等。然而，经过现场调查发现，存在保护墩整体缺失、盖板丢失、碎裂、垃圾堆积甚至遭农机碾压损坏等多种问题。采用无人机定期巡检并配合视觉分析算法，能够及时发现此类问题，指导采取修护措施，避免影响农业生产。

4.1 技术路线

本文设计的出水口保护墩异常识别技术路线如图 5所示，分为两阶段执行。第1阶段，训练针对出水口保护墩的YOLO11目标检测模型，从无人机获取的影像中定位出水口保护墩并裁剪。这一过程中使用切片辅助超推理(slicing aided hyper inference，SAHI)[13]策略提高小目标识别能力。第2阶段，首先建立包含各类别异常的参考样本，构建少样本学习的提示词，使Qwen3-VL模型适配当前任务；然后对裁剪目标图进行视觉推理，归类异常类型。这一大小模型组合使用的方案，能够起到减少计算消耗、提高判别效果的作用。

4.1.1 小模型精确定位

出水口保护墩在整个影像中所占面积很小(如图 6所示)，直接使用YOLO算法效果并不理想。SAHI策略旨在通过一种后处理与推理相结合的机制，显著提升现有检测模型在处理小目标时的表现，而无需对模型结构进行重新设计或重新训练，如图 7所示。首先将原始图像有重叠的分块为m×n个子图P11、P12、…、Pmn，保持长宽比不变，重采样至目标检测算法输入大小，分别进行推理检测；然后将每个检测目标映射回原始图片坐标；最后通过贪婪非极大合并(GREEDYNMM)进行后处理，得到最终结果。

本文研究中，切片图像尺寸设置为800×600像素，横纵向重叠率均设为0.2，原图将被均匀切分为6×6个子图用于预测，预测模型使用YOLO11n。得到最终预测结果后，按照1.5倍原目标框大小裁剪出水口保护墩图像，用于下一阶段处理，以保留部分背景信息辅助分析。

4.1.2 大模型细粒度分析

Qwen3-VL是阿里巴巴Qwen团队2025年发布的视觉语言大模型，其核心在于利用其强大的跨模态对齐能力[14-15]。在推理阶段，将各类问题判别标准归纳为自然语言提示，模型通过理解提示词中的语义信息，能够将通用的视觉知识迁移至当前任务。进一步的，提供少样本示例，将包含典型问题样本的图像-文本对作为上下文输入，这种机制使得模型可以快速建立对异常问题的特征认知，无需进行耗时的微调，即可实现对新任务的精准适配，从而有效解决样本稀缺、任务多变的问题。分析出水口保护墩的现场情况，本文归纳了顶盖异常、保护墩损坏、杂物堆积、完好4种情形，同时考虑使用大模型复核目标检测是否错误，构建了如下提示词(见表 3)，并选用了8个参考样本(如图 8所示)。

4.2 试验分析

选取影像中的30张作为测试数据用于验证本文方法的效果，对其余影像，裁剪出663张750×750像素的子图(其中176张包含出水口保护墩)，用于YOLO11模型训练。训练的软硬件环境与3.2节一致，批处理大小为12，共训练300轮。

针对算法第1阶段出水口保护墩检测进行评价，测试集中共有25个真实目标，算法检测出了28个目标，其中24个为正检，4个为误检，漏检1个，准确率为86%，召回率为96%。这表明本文算法能够较好地检测到目标，但也会将其他物体(包括1个方形垃圾桶、1个圆形闸阀井、2个编织袋)误检为出水口保护墩，说明其应对背景干扰的能力还有不足。

根据第1阶段检测结果，得到28块裁剪子图，使用第2阶段模型进行分类分析，最终的混淆矩阵见表 4，部分检测结果如图 9所示。对于大部分目标，大模型给出了准确的分类判断，说明大模型的视觉理解能力可有效地在当前任务中发挥作用。对于目标检测误检出的结果，大模型指出了其中2个为不规则袋状物，从而提高了整体的准确性，但大模型将2个表面有轻微风化痕迹的出水口保护墩分类为损坏，说明其对损坏定义的理解较为严苛。结合两个阶段的定位和分类，整体算法在测试数据上的准确率和召回率仍为86%和96%，验证了本方法的实际可行性。

5 结  语

针对高标准农田基础设施建成后管护不到位的现状，本文提出了一套适用于无人机巡检智能分析的视觉检测框架。结合实地样本获取情况，分场景、多层次选择合适的算法模型，避免单一算法场景适配不足、检测效果不佳。在此基础上，针对常见病害，本文设计了一个改进损失函数的YOLO11算法，以田间道裂缝检测为例进行试验，检测效果在基线模型上得到了明显提升，能够有效提取不同类型的裂缝对象；针对特定设施的复杂异常，以出水口保护墩为例，本文设计了融合YOLO11小模型与Qwen3-VL大模型的分类方法，实现精确定位与语义理解两种优势互补，展现出良好的实用性能。本文为高标准农田基础设施无人机巡检提供了灵活可靠的分析方法，后续与卫星遥感等技术手段结合，可以在管护工作中发挥更大的价值。