В статье представлено исследование, посвященное разработке комплексной методики автоматической детекции деревьев на основе нейронной сети архитектуры YOLO. В работе детально описывается полный цикл обработки данных: от подготовки размеченного датасета с bounding boxes до обучения и валидации модели. Особое внимание уделено созданию обучающего датасета и анализу метрик качества работы модели (mAP, Precision, Recall) на тестовой выборке.
Показано, что использование предсказанных ограничивающих рамок в качестве масок для выделения объектов в облаках точек позволяет переходить к визуализации отдельных деревьев. Результаты подтверждают перспективность предлагаемой методики для задач автоматизированного мониторинга и инвентаризации лесов, обеспечивая основу для дальнейшего развития методов цифровизации лесного хозяйства.

Мартын Кристина Андреевна
Ассистент
Санкт-Петербургский государственный лесотехнический университет
194021 Санкт-Петербург, Институтский пер., д. 5
Старший преподаватель
ФГБОУ ВО «РГГМУ»
192007 Санкт-Петербург, ул. Воронежская, д. 79
е-mail: martynchris@mail.ru
SPIN-код: 7779-6962
AuthorID: 1187677

Мартын Ирма Андреевна
Кандидат технических наук
Доцент кафедры Прикладной информатики
ФГБОУ ВО «РГГМУ»
192007 Санкт-Петербург, ул. Воронежская, д. 79
е-mail: irma_martyn@mail.ru
ORCID: 0000-0002-4332-7308

Истомин Евгений Петрович
Доктор технических наук, профессор, директор института Информационных систем и геотехнологий
ФГБОУ ВО «РГГМУ»
192007 Санкт-Петербург, ул. Воронежская, д. 79
e-mail: biom220@bk.ru
ORCID: 0000-0001-6247-4373
SPIN-код: 6404-9070
AuthorID: 333123
Scopus ID: 56951051300

Петров Ярослав Андреевич
Кандидат технических наук
Доцент кафедры Прикладной информатики
ФГБОУ ВО «РГГМУ»
192007 Санкт-Петербург, ул. Воронежская, д. 79
е-mail: yaroslav.petrov025@gmail.com
ORCID: 0000-0002-9185-441X
SPIN-код: 4170-3003
AuthorID: 899415

1. Мартын И.А., Мартын К.А. Автоматизация процесса учета площади леса с применением методов машинного обучения и ИИ // Информационные системы и технологии : сборник научных трудов. – Вып. 17. – СПб. : СПбГЛТУ им. С.М. Кирова, 2025. – С. 131–133.
2. Weinstein B.G., Marconi S., Bohlman S., Zare A., White E. Individual Tree-Crown Detection in RGB Imagery Using Semi-Supervised Deep Learning Neural Networks // Remote Sensing. – 2019. – Vol. 11. – Iss. 11. – 1309. DOI: 10.3390/rs11111309.
3. Вагизов М.Р., Витлев К.А., Попов А.И., Макаров К.А., Самсонов В.А., Соколов А.Г. Алгоритм распознавания крон деревьев по снимкам среднего разрешения для управления геоинформационными моделями лесных экосистем // Моделирование и ситуационное управление качеством сложных систем : сборник докладов Четвертой Всероссийской научной конференции (Санкт-Петербург, 18–22 апреля 2023 г.). – СПб. : ГУАП, 2023. – С. 131–134.
4. Документация Ultralytics YOLO [Электронный ресурс]. – Режим доступа: https://docs.ultralytics.com/ru/ (дата обращения 20.01.2026).
5. Liu G.R. Machine learning with Python. Theory and Applications. – Singapore : World Scientific, 2023. – 693 p.
6. Gallatin K., Albon C. Machine Learning with Python Cookbook. Practical solutions from preprocessing to deep learning. – Sebastopol : O’Reilly, 2023. – 366 p.
7. Solawetz J., Francesco. What is YOLOv8? A Complete Guide [Электронный ресурс] // Roboflow. – 23.10.2024. – Режим доступа: https://blog.roboflow.com/what-is-yolov8/ (дата обращения 20.01.2026).