树木数量、树冠边界和冠层高度进入 GIS 后，常被直接用于牧场管理、生态核查或碳估算。TreeEyed 将多种视觉模型装进 QGIS，降低了推理门槛，但模型适用分辨率、影像质量、重叠目标和后处理规则决定了图层能否被可靠使用。桌面插件应把自动推理的结果交给可检查的 GIS 工作流，而非把矢量输出当作最终事实。

可核查事实

  • TreeEyed 是一个使用 AI 进行树木监测的 QGIS 插件，可把语义分割、实例分割和目标检测模型用于高分辨率 RGB 影像。
  • 插件把模型处理与 QGIS 图层的影像提取、后处理结合，并支持创建和验证 COCO 格式数据集。
  • README 列出 HighResCanopyHeight、Mask R-CNN、DeepForest 和 VHRTrees 等模型；其中 HighResCanopyHeight 面向 1 米像元回归，DeepForest 面向小于 0.5 米影像的目标检测，VHRTrees 标注为 0.5 米检测。
  • TreeEyed 0.2.0 将模型迁移到 ONNX 与 ONNX Runtime，新增 VHRTrees、自定义 ONNX 模型、自动切片、缓存、Simple Inference QGIS Processing 算法和 CLI。
  • 0.2.0 在 HighResCanopyHeight 的矢量输出中增加 h_mean、h_min 和 h_max 列，并加入非极大值抑制等后处理。
  • README 说明插件可直接从 QGIS Python Plugins Repository 安装，Windows 安装依赖后需要重启 QGIS；Linux 需建立指定 conda 环境。
  • 该项目还提供 Docker 运行方式、模型目录配置、COCO 导出改进，并计划人机协同修正、树木变化分析和碳储量工具。

核心机制：模型选择必须和像元尺度绑定

树冠检测不是把任意 RGB 影像交给任意模型。README 为不同模型给出优选空间分辨率，说明同一树冠在 0.5 米、1 米和更粗分辨率下并不是同一视觉对象。项目开始前应登记影像 GSD、采集时间、重采样方式、树冠最小可辨尺度和所选模型；若尺度不匹配，应把结果标为候选层，而不是直接统计树数或高度。

自动切片能处理大影像，却会引入切片边界重复、漏检和合并问题。TreeEyed 的自动切片、缓存与非极大值抑制提供了实现基础，但项目仍要记录切片尺寸、重叠宽度、置信阈值和合并规则。矢量的 h_mean、h_min、h_max 也应保存其来源模型和输入影像，避免把模型估计误作现场测量。

GIS 场景：从推理图层到可审核树木台账

在林牧复合系统中，可先用高分辨率 RGB 影像生成树冠候选，再在 QGIS 中叠加地块、道路、水体和样方。对每个地块抽取独立核查样本，记录漏检、误检、边界偏移和高度偏差；把人工修订层与模型初始图层分开。只有在影像日期、分辨率、模型版本和抽查结果齐全时，才把汇总后的树冠面积或数量用于时序比较。

COCO 数据集支持也适合建立本地纠错闭环：将审核过的树冠标注、影像片段和类别规则版本化，训练或选择模型后再用未参与训练的地块测试。这样，插件输出可以持续改进，同时保留每次制图为何改变的证据。

技术路径

  1. 记录影像 GSD、日期、传感器、投影、覆盖范围与遮挡情况，并按模型的优选分辨率筛选输入。
  2. 固定模型版本、ONNX 文件、切片尺寸、重叠、阈值和非极大值抑制参数。
  3. 以独立地块抽样核查漏检、误检、树冠边界和高度属性，按用途设定可接受误差。
  4. 将原始推理、后处理、人工修订和汇总结果保存为独立图层，并关联输入影像与参数。
  5. 使用审核后的 COCO 样本建立本地验证集；训练或迁移后在新的地块和时相复验。
  6. 对树数、冠层面积或碳量等派生指标标注模型不确定性，不把候选图层当作地面普查。

检查清单

  • 输入影像分辨率是否符合所选模型的适用范围？

  • 切片、重叠、阈值和后处理是否可复现？

  • 是否对独立地块抽查树冠漏检、误检与边界偏移？

  • 高度字段是否明确为模型估计，并保留影像和模型来源？

  • 人工修订和 COCO 训练样本是否与初始推理结果分层保存？

风险边界

TreeEyed 的 README 描述插件和模型接入能力，不能替代当地树种、季节、云影、遮挡或地面测量带来的精度验证。模型优选分辨率不是性能保证；不同地区的树冠形态和影像质量仍可能显著改变误差。碳储量、合规核查和资产统计还需领域模型、权属数据与人工复核。依赖安装和 GPU/Docker 环境也应先在隔离环境测试，避免影响现有 QGIS 部署。

资料依据

本文依据 TreeEyed GitHub README、QGIS 插件仓库条目 与项目引用的 SoftwareX 论文信息撰写。模型、适用分辨率、ONNX 迁移、自动切片、属性列、安装、COCO 和路线图均来自一手项目说明；抽检和图层血缘为 GIS 生产建议。

结论

TreeEyed 让树冠 AI 进入 QGIS，但可信树木监测仍从影像尺度、独立核查和可回溯图层开始。先把模型输出当作候选，再用样本和版本记录决定能否进入业务台账。