基于GF-1多光谱影像的河道碍洪物遥感AI识别模型.pdf

８４２０２４８

测绘通报年第期

．ＧＦ１ＡＩＪ．２０２４８８４８９．ＤＯＩ１０．１３４７４／ｊ．ｃｎｋｉ．

引文格式：顾祝军，刘斌，朱骊，等基于多光谱影像的河道碍洪物遥感识别模型［］测绘通报，（）：：

１１２２４６．２０２４．０８１５．

基于ＧＦ１多光谱影像的河道碍洪物遥感ＡＩ识别模型

１２３２３１１１４

顾祝军，刘斌，朱骊，丘仕能，任小龙，吴家晟，肖斌，廖广慧，姚露露

（１．珠江水利委员会珠江水利科学研究院，广东广州５１０６１０；２．广西大藤峡水利枢纽开发有限

责任公司，广西南宁５３０２００；３．江苏省水文水资源勘测局无锡分局，江苏无锡２１４１２５；４．江苏省

水文水资源勘测局，江苏南京２１００２９）

摘要：河道碍洪物是洪涝灾害的重要影响因素，对其进行高效精准监管需引起高度重视。传统的人工巡查难以满足高效精准的

ＡＩＡＩ

应用需求，因此结合人工智能（）的遥感技术应用是必经之路。然而诸多的模型在遥感应用中的表现尚不清晰，亟待深入探

讨。本文以广西大藤峡库区为例，研究河道碍洪物遥感识别模型构建方法。基于遥感影像，构建碍洪物训练样本集，以

ＡＩＧＦ１

＋＋＋

ＲｅｓＮｅｔ１０１６ＰＳＰＮｅｔＰＡＮＭＡＮｅｔＦＰＮＤｅｅｐＬａｂＶ３ＵＮｅｔ

为核心网络，采用当前主流的种语义分割模型，包括、、、、和，进行碍洪物识

ＲｅｓＮｅｔ１０１

别模型训练，进而评估其精度和效率。结果表明：利用作为骨干网络的深度学习模型，在河道碍洪物识别中表现优

①

Ｆ１０７０ＩｏＵ０５８ＤｅｅｐＬａｂＶ３＋Ｆ１

异，所有模型的得分均大于，交并比（）均大于。其中，结合洞卷积和全局池化技术的模型的得分

为０８２，ＩｏＵ为０７２，体现了其在捕捉上下文信息和微观特征方面的显著优势。ＰＳＰＮｅｔ在参数量较低的情况下表现出较高的处

②

８１０４９ＤｅｅｐＬａｂＶ３＋

理效率和精度，每批次能处理个样本，帧率高达。综上，