文章摘要:为了实现水利工程巡检、河湖岸线、河湖环境监测等海量无人机图像异常特征物的智能化检测识别，提高管理效率，满足智慧水利建设的需求，基于YOLO v3算法框架，通过引入注意力模块（SE），构建了高精度的YOLO v3-SE目标检测算法，形成了无人机图像识别技术体系，并将其成功应用于多个水利工程的海量无人机图像的异常特征物检测识别中。结果表明：通过自建66000张图片数据的训练集和35514张图片数据的测试集，本算法与原始YOLO v3算法、改进的SKSet-YOLO v3算法和CBAM-YOLO v3算法相比，在积水、塌方、运输船、滑坡、聚集型垃圾和分散型垃圾等6类目标物的检测精度AP均有较大幅度的提升；平均检测精度mAP也分别从59.83%提升至90.17%、从79%提升至90.17%、从 72%提升至90.17%，精度得到明显提升，满足水利工程智慧化监控的需求。本技术体系不仅可为水利行业无人机图像智能化识别提供技术支撑，也可应用于应急救援、交通和环保巡查等行业的无人机航摄视频和照片异常实时识别，具有广泛的应用前景。

文章关键词:

论文分类号:TV213.4;X832;TP391.41

文章来源：《浙江水利水电学院学报》 网址: http://www.zjslsdxyxb.cn/qikandaodu/2022/0119/548.html

上一篇：农业经济论文_“放心水”长流 “幸福味”更足
下一篇：水利水电工程论文_我国水利研究生教育发展历程