GIBN-Net 桉树风灾智能监测算法重磅问世，相关成果发表于中科院一区 TOP 期刊《International Journal of Applied Earth Observation and Geoinformation》（影响因子 8.6）。针对我国南方桉树人工林易受台风侵袭，传统检测耗时久、精度低的痛点，团队以广西上思县、博白县受 “马鞍”“泰利”台风影响的桉树林为研究对象，构建专属深度学习数据集，创新融入非对称全局注意力模块与实例 - 批量归一化模块，显著提升复杂环境特征提取能力。该算法总体精度达0.9405，交并比0.8248，优于主流模型，可快速实现风倒木大规模自动化识别评估，为灾后处置提供科学支撑，技术达国际先进水平。研究由向俊担任第一作者，韦维正高级工程师为通讯作者，获国家重点研发计划和广西科技重大专项等项目资助。

 GIBN-Net桉树风倒木智能检测算法结构示意图

另一项SAHI-Improved-YOLOv8小目标树坑检测算法（发表于中科院二区 TOP 期刊《Smart Agricultural Technology》（影响因子 5.7）。针对无人机影像树坑目标密集、尺寸小的行业痛点，团队整合四大核心技术模块，有效解决传统人工清点林木成活率耗时费力、精度不足的难题。该模型可实现林木成活状况快速大范围自动化监测，为造林质量评估、补植方案制定提供精准支撑。研究由梁秀豪担任第一作者，韦维正高级工程师为通讯作者，获国家重点研发计划、国家自然科学基金、广西科技重大专项等项目资助。 

 两大技术突破是“人工智能 + 林业”融合创新的重要成果，彰显了团队科研实力。下一步，团队将持续推进成果转化应用，优化算法实操性，拓展其在林业生产、灾害防控等场景的应用边界，为广西林业高质量发展及新质生产力培育提供坚实技术保障。