无人机毒品原植物（大麻、罂粟）种植查勘技术规范编制说明

工作简况任务来源2025年8月5日，北京测绘学会发布《2025年北京测绘学会团体标准（第一批）立项通知》（京测学发〔2025〕68号），正式批准《无人机毒品原植物（大麻、罂粟）种植查勘技术规范》团体标准项目立项，编号为202504。本标准由中测新图（北京）遥感技术有限责任公司牵头起草，中国科学院空天信息创新研究院、武汉中测晟图遥感技术有限公司、北京建筑大学、中国测绘科学研究院（国家测绘工程技术研究中心）等单位参编。制定背景非法种植毒品原植物（如大麻、罂粟）是毒品犯罪的源头性问题之一，对社会治安、公共安全和基层治理构成持续性威胁。我国对毒品原植物的种植实行严格管控，《中华人民共和国刑法》第三百五十一条明确规定，明知是罂粟、大麻等毒品原植物而非法种植，且数量较大，或者经公安机关处理后又种植，或者抗拒铲除的行为，依法追究刑事责任。上述规定从法律层面明确了对非法种植毒品原植物行为的严厉打击态度和治理要求。在此背景下，对非法种植毒品原植物行为开展及时、有效的监测与查勘，是落实国家禁毒法律法规、加强毒品源头治理、防范毒品犯罪风险的重要基础性工作。近年来，随着无人机遥感技术、深度学习技术以及高精度定位技术的快速发展，基于空中遥感影像开展毒品原植物智能查勘在技术上逐步成熟。采用无人机平台与深度学习结合的智能监测技术具有以下优点：（1）影像获取效率高采用无人机平台开展航摄作业，能够在较短时间内完成大范围区域的影像采集，显著缩短监测周期，提高任务响应速度。（2）获取影像分辨率高在满足作业条件的情况下可获取厘米级空间分辨影像，能够为深度学习模型提供更加精细的目标特征信息，从而支撑毒品原植物智能识别结果的可靠性。（3）作业覆盖范围全面相比传统人工踏查方式，无人机航摄不受道路条件和地形限制，可覆盖山区、林区及偏远地区等人工巡查难度较大的区域，为监测工作提供稳定的数据来源，有效提升监测作业的空间覆盖能力。（4）智能监测通过引入深度学习技术，可显著提高监测工作的自动化与智能化水平，有助于在大规模影像数据中快速定位重点区域和可疑目标，为后续人工复核和现场查勘提供高效支撑。（5）具备较强的时效性无人机结合深度学习技术开展监测，整体处理周期较短，可在毒品原植物生长的有效期内完成影像采集、智能识别及后续处置工作，提高禁毒工作的响应效率。（6）高精度定位无人机平台可结合IMU/GNSS等定位技术，对航摄影像中的智能识别结果进行空间定位与坐标转换，在满足作业条件的情况下可实现较高精度的目标定位，为后续现场核查与处置提供技术支撑。（7）成本效益相比传统人工踏查方式，无人机结合深度学习技术在大范围、常态化监测中能够显著降低人力投入和时间成本，提高监测作业的经济效率。综上，采用无人机与深度学习技术相结合的监测方式，具有部署灵活、作业效率高、空间覆盖范围广和时效性强等优势，能够有效应对毒品原植物种植分散、隐蔽性强等特点，对隐蔽区域实现有效监测。同时，其智能化处理能力和成本效益，使其成为当前毒品原植物监测工作中的重要技术手段。目前，现有国内外标准尚未覆盖基于无人机高分辨率影像与深度学习算法的毒品原植物查勘技术体系。制定本规范将有助于提升监测成果的规范性、准确性与可靠性。起草单位及主要起草人1）承担单位和协作单位承担单位（主编单位）：中测新图（北京）遥感技术有限责任公司。协作单位（参编单位）：中国科学院空天信息创新研究院、武汉中测晟图遥感技术有限公司、北京建筑大学、中国测绘科学研究院（国家测绘工程技术研究中心）。2）主要起草人及其所做工作序号姓名工作单位所做主要工作李英成中国测绘科学研究院（国家测绘工程技术研究中心）项目负责人，负责组织分工、进度控制。王广亮中测新图（北京）遥感技术有限责任公司负责第5-6章程傲楠中测新图（北京）遥感技术有限责任公司负责第10-11章袁超中国科学院空天信息创新研究院负责第8章李昌柯中测新图（北京）遥感技术有限责任公司负责第9章匡秀梅中测新图（北京）遥感技术有限责任公司负责第7章李西林武汉中测晟图遥感技术有限公司负责第12-13章刘飞北京建筑大学负责第1-2章刘见礼许昌学院负责第3-4章主要工作过程1）立项启动项目组在总结相关工程实践的基础上，为推动禁毒工作向智能化、系统化、信息化方向发展，向北京测绘学会提交了《无人机毒品原植物（大麻、罂粟）种植查勘技术规范》团体标准立项申请报告，并于2025年8月通过专家评审，于2025年8月获准立项。2）起草阶段2025年8月，中测新图（北京）遥感技术有限责任公司征集了参编单位，组建了编制组，召开了启动会，启动了本标准的编写工作，确定了标准的名称和总体框架，完成《无人机毒品原植物（大麻、罂粟）种植查勘技术规范》初稿。2025年8月-2026年2月，初稿送至各参编单位，收集了各参编单位的意见。2025年8月27日，召开了本标准的讨论会，对初稿的框架、收集到的意见等做了进一步讨论，对下一步工作进行了部署，听取了参编单位的意见。形成标准第2稿2025年12月8日，编写组组织有关单位和人员，对《无人机毒品原植物（大麻、罂粟）种植查勘技术规范》第2稿进行了逐句逐字的讨论，对标准的结构、技术指标和文字、格式进行了讨论，形成第3稿。2026年2月5日，编写组组织有关单位和人员，对《无人机毒品原植物（大麻、罂粟）种植查勘技术规范》第3稿进行全面审议，重点对文字表述、格式体例及专业术语进行了校核与优化，形成第4稿。2026年2月9日，主编单位将第4稿发至各参编单位，协调了各方意见，对主要技术内容做了修改，统一了标准格式，于2026年2月11日形成《无人机毒品原植物（大麻、罂粟）种植查勘技术规范》征求意见稿。3）征求意见尚无。4）送审阶段尚无。5）报批阶段尚无。标准编制原则、主要内容及其确定依据编制原则（1）充分调研已有标准和政策文件，确保科学合理；（2）以“科学、合理、实用、先进”为原则，面向毒品原植物监测与查勘工作的实际需求，满足禁毒执法部门和相关技术单位的应用需要；（3）与国家标准体系、行业标准体系协调一致的原则。标准主要内容及其确定依据本标准规定了无人机毒品原植物（大麻、罂粟）种植查勘的基本要求、工作流程、工作准备、风险区划定、任务设计、智能识别与人工复核、现场核查、质量检查、成果整理与提交，适用于利用低空无人机可见光影像开展毒品原植物（大麻、罂粟）的查勘工作。针对传统人工踏查效率低、风险高的问题。本标准依据国家对毒品原植物监管的相关法律法规要求，结合无人机遥感监测、智能识别等相关现行标准，充分吸收近年来无人机毒品原植物监测工程实践中形成的成熟技术流程与经验，在保证技术先进性的同时，兼顾可实施性与成果可检验性。本标准以查勘业务应用为导向，成果侧重目标发现、现场核查与位置服务，非测绘成图规范。（1）无人机影像采集地面分辨率无人机航摄影像的地面分辨率是影响毒品原植物智能查勘中目标识别与定位精度的关键技术指标之一。地面分辨率直接关系到毒品原植物冠幅形态、植株特征及其与周边地物的可分辨程度，是深度学习目标检测模型获取有效判别特征的重要基础条件。在实际工程应用中，无人机影像地面分辨率的确定需在满足识别精度要求的前提下，综合考虑飞行安全、作业效率及地形条件等因素，主要受飞行高度、传感器性能、毒品原植物生长形态及作业区地形起伏等条件约束。过低的空间分辨率将导致目标细节信息不足，影响模型检测精度；而过高的分辨率则可能显著增加飞行风险与数据处理成本。本标准在总结无人机毒品原植物智能查勘工程实践经验的基础上，结合大麻与罂粟植株形态特征及现有深度学习检测模型的应用效果，对无人机影像地面分辨率提出最低控制要求，见表1所示。表1毒品原植物无人机影像地面分辨率毒品原植物地面分辨率大麻优于1.2cm罂粟优于0.8cm表1所列“影像分辨率（GSD）”指标是在综合现有研究成果与业务应用经验的基础上提出的建议值。该指标综合考虑罂粟与大麻在苗期至果期的单株形态尺度、识别难度以及航测作业效率等因素确定。为保证毒品原植物在无人机影像中具有足够的形态与纹理表达，便于智能识别与人工复核，本标准参考了国内外相关研究对分辨率要求的结论：已有研究指出，在无人机影像条件下开展罂粟智能识别时，影像GSD宜优于0.8cm（Zhouetal.,2019，发表于Sensors）；针对大麻目标的无人机识别研究中，提出影像GSD宜优于1.2cm（Lietal.,2025，发表于Drones）。因此，本标准在充分吸收上述研究结论的基础上，将“罂粟GSD优于0.8cm、大麻GSD优于1.2cm”作为推荐性技术指标，用于指导监测任务的航摄参数设计与影像质量控制；该阈值可以保证目标在影像上具备足够有效像素与可解译特征，满足早期、精准、高效监测需求。后续实施过程中，可结合具体传感器性能、飞行高度、目标生长阶段与地物背景复杂度等因素进行适当调整与验证。（2）深度学习目标检测模型基于深度学习的目标检测方法在遥感影像智能解译领域已趋于成熟，并在农业资源调查、林业有害生物监测及自然资源动态监管等场景中得到广泛应用。目前，国内外已有多项相关标准、技术规范及工程指南，在遥感影像智能解译过程中明确提出或推荐采用深度学习等人工智能方法。例如，在大豆种植监测、松材线虫病疫木识别等应用中，深度学习目标检测与识别技术已形成较为成熟的技术路线，并在实际业务中实现常态化应用。因此，在本标准中引入基于深度学习的智能识别技术，对无人机影像中大麻、罂粟种植目标进行辅助识别，技术路线成熟、方法可行，能够为后续人工核查与现场查勘提供可靠的技术支撑。（3）地理定位精度方法及精度要求无人机毒品原植物智能查勘中的地理定位，是将智能识别结果中目标的像素坐标转换为地理空间坐标的过程，是实现疑似目标定位、现场核查和成果汇交的重要技术环节。在工程应用中，目标地理定位通常可采用基于POS数据的直接地理定位方法，或结合地面控制点的摄影测量光束法平差定位方法。具体定位方式应根据作业精度要求、数据获取条件及作业环境合理选取。在坐标转换过程中，应保持影像、POS数据及成果数据所采用的坐标基准、坐标系统和相关参数的一致性，避免因坐标基准或参数不统一造成系统性偏差。本规范在综合考虑无人机航摄精度、智能识别结果空间不确定性及现场核查作业实际需求的基础上，对目标地理定位精度提出控制要求。规定智能识别目标地理坐标与现场核查实测坐标之间的平面定位偏差，平原/微丘区宜不大于1m；山地/隐蔽区宜不大于5m。在地形起伏较大、植被遮挡严重或GNSS信号受限的山区等复杂作业环境下，可根据实际作业条件对定位精度要求适当放宽。（4）风险区划分本标准所提出的毒品原植物非法种植风险区划定方法，遵循“生态适生性—种植可行性—现实风险性”逐级递进的技术思路，通过多源因子综合分析，实现对监测区域的分级管理，具有明确的科学依据和工程合理性。其中，毒品原植物适生区的划定，基于毒品原植物生长所需的基本自然环境条件，从生态学角度识别具备生长可能性的区域，用于排除明显不具备种植条件的区域，确保风险评估的基础科学性；潜在非法种植区在适生区基础上，引入地形隐蔽性、交通条件、土地利用状况及人类活动强度等因素，综合反映非法种植行为在空间上的可操作性和隐蔽特征，有效缩小重点排查范围；非法种植高风险区进一步融合历史案件、举报线索及巡查记录等业务数据，并结合遥感初筛发现的异常地物纹理特征与疑似人为活动迹象，对相关区域进行重点圈定。对风险显著偏高区域进行识别，使风险区划定结果与实际执法经验和管理需求相衔接。通过分级划定方法，实现了由“自然适宜”向“行为风险”的逐层筛选，既避免了单一生态因子或单一经验判断带来的偏差，又兼顾了风险评估结果的可解释性与可验证性，有利于指导无人机监测任务的分区部署和资源优化配置，具备良好的科学性、合理性和工程可实施性。（5）成果核查与信息记录方式为规范无人机毒品原植物智能查勘成果的核查流程和信息记录方式，确保疑似目标识别结果与地面核实结果之间的衔接一致性和可追溯性，本标准设置了疑似目标点位信息记录表和毒品原植物地面核实信息表两类成果记录表格，分别适用于不同工作阶段，具体见表2和表3。表2疑似目标点位信息记录表序号人工复核日期目标类型靶标图像名称疑似目标编号经度纬度种植环境备注012025.08.15罂粟X_237_0091BJ-BJ-X_237_0091-001xx.xxxxxxx.xxxxx庭院种植表3毒品原植物地面核实信息表序号种植类型日期省市县（区）乡镇（街道）社区（村）详细位置核实目标编号经度纬度面积㎡株数种植环境备注1罂粟2025.07.02北京市北京市海淀区XX街道XX村北京市海淀区XX街道XX村BJ-BJ-X_237_0091-0011xxx.xxxxxxxx.xxxxxx14庭院种植在无人机影像智能识别阶段，针对模型自动识别得到的疑似目标，采用疑似目标点位信息记录表进行记录，主要包括疑似目标类别、影像名称、目标空间坐标、种植环境等信息，用于支撑后续人工复核与现场踏查任务的组织实施。 在人工踏查与地面核实阶段，针对经现场确认的毒品原植物种植点位，采用毒品原植物地面核实信息表进行记录，重点采集目标的详细位置描述（如街道或行政区划信息）、空间坐标、种植面积、株数等关键属性信息，作为成果确认与执法支撑的重要依据。通过在不同作业阶段采用差异化的信息记录表，对疑似目标与确认目标分别进行规范化记录，可实现毒品原植物种植点位从“智能识别—人工核查—成果确认”的全过程信息闭环管理，确保成果数据来源清晰、过程可追溯，为后续成果汇交和公安执法应用提供可靠的数据支撑。（6）质量检查本标准针对无人机毒品原植物监测与查勘的技术流程，建立了涵盖影像质量、位姿数据精度和目标定位结果的多层次质量检查体系。通过对关键数据环节进行分级控制，并采用定量指标对成果精度进行验证，确保监测结果具备可检验性和可靠性。同时，标准充分考虑复杂地形条件下的实际作业需求，在保证质量底线的前提下兼顾工程可实施性，体现了质量控制方法的科学性与合理性。试验验证的分析、综述报告，技术经济论证，预期的经济效益、社会效益和生态效益本标准所规定的技术路线、作业流程和关键技术参数，主要来源于公安禁毒实际业务需求，并已在相关无人机毒品原植物智能查勘任务中得到工程化应用验证。受涉密要求限制，具体生产验证过程、任务区域及相关数据不在本编制说明中展开。本实验在中国西部某地区开展，采用大疆M300RTK无人机搭载大疆禅思P1相机获取RGB影像，地面分辨率为0.8cm，用于目标检测模型智能识别。表4飞行参数取值范围飞行参数范围备注飞行高度100-120m满足飞行安全的前提下，依据分辨率采集要求，确定飞行高度；山区/障碍物区域可根据地形起伏适当调整。航向重叠度30%-40%平原地区建议不低于20%，山区建议不低于30%。旁向重叠度20-30%平原地区建议不低于10%，山区建议不低于20%。姿态角Pitch=90°±2°，Roll=0°±2°应保持垂直下视拍摄，俯仰角≈90°，横滚角≈0°；云台稳定控制，姿态角偏差原则上控制在±3°以内。实验区飞行覆盖面积约248km2，累计获取影像8万余张。在该实验区数据上，检测模型共识别到39处目标，均为大麻。经人工复核后，最终留存36处疑似目标；随后开展实地踏查核验，确认上述36处均为大麻植株。下图图1大麻识别结果示例在禁种铲除禁毒工作中，准确、及时发现毒品原植物的非法种植位置是任务实施的关键环节。受毒品原植物生长周期短、隐蔽性强、分布零散等因素影响，传统人工踏查方式效率较低、成本较高，且难以满足时效性要求。从技术经济角度分析，采用基于本标准的无人机智能查勘技术路线，可显著降低大范围人工巡查的人力投入，提高禁种铲除任务的组织效率和执行成功率。综合考虑毒品原植物非法种植治理成本、执法资源投入及潜在社会危害防控效益，相关应用在实际推广中具备显著的经济价值，预期可形成规模化的综合效益。本标准的编制，具有以下社会效益：（1）推动技术融合与应用创新：本标准紧密结合无人机遥感技术与深度学习智能识别方法，规范了毒品原植物智能查勘的技术流程和应用模式，有利于促进人工智能技术在遥感、测绘及公共安全领域的融合应用，推动相关技术的工程化落地和规范化发展。（2）提升禁毒作业效率与服务能力：通过规范无人机影像采集与智能识别流程，实现对作业区域的快速覆盖与高效筛查，可显著提高毒品原植物发现效率和处置响应能力，保障在毒品原植物生长期内完成发现、核查与铲除等关键环节，提升禁种铲除工作的整体服务质量和执行成效。（3）支撑禁毒工作信息化与治理能力提升：本标准的制定紧密对接公安禁毒实