基于两阶段深度学习的水位智能识别方法

许小华; 李亚琳; 吕姚; 包学才; 肖磊; 聂菊根

首页> 中文期刊> 《中国防汛抗旱》 >基于两阶段深度学习的水位智能识别方法

基于两阶段深度学习的水位智能识别方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对目前水位检测存在误差大、缺乏水域环境普适性等问题,提出了一种基于两阶段深度学习的水位智能识别方法。该方法通过引入自适应空间特征融合(Adaptively Spatial Feature Fusion,ASFF)模块改进现有YOLOX-S算法的特征融合网络,提高特征信息融合强度,采用更加灵活的多项式损失(Poly Loss)对二元交叉熵损失(BCE Loss)进行优化,形成改进YOLOX-S模型。结合图像处理技术,建立了基于改进YOLOX-S模型的标准双色水尺和水尺“E”刻度识别的两阶段智能水位识别方法,有效提升了水位检测精度。实验结果表明,该方法第一阶段水尺和第二阶段水尺“E”刻度的平均识别率分别达98.94%和99.86%,最终计算水位的平均误差小于0.6 cm、极差误差小于0.8 cm,较传统典型水位识别方法分别减少1.98 cm和3.22 cm,实现了水位高精度智能识别,可为防汛抗旱决策提供有效的技术支撑。

著录项

来源
《中国防汛抗旱》 |2023年第10期|13-20|共8页
作者
许小华; 李亚琳; 吕姚; 包学才; 肖磊; 聂菊根;
展开▼
作者单位

江西省水利科学院;

江西省鄱阳湖流域生态水利技术创新中心;

南昌工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类水位观测、河床观测;
关键词
水位检测; YOLOX-S算法; 智能识别; 图像处理; ASFF;

相似文献

中文文献
外文文献
专利

1. 基于深度学习算法的水位识别方法研究 [J] . 王磊 ,陈明恩 ,孟凯凯 . 水利信息化 . 2020,第3期
2. 基于深度学习算法的水位识别方法研究 [J] . 王磊 ,陈明恩 ,孟凯凯 . 水利信息化 . 2020,第3期
3. 基于人工智能与随机场的水位图像识别方法研究 [J] . 武泽恒 ,陈华 ,黄凯霖 . 水资源研究 . 2022,第5期
4. 基于人工智能深度学习的语音识别方法及发展趋势 [J] . 蓝泽如 . 新一代信息技术 . 2022,第1期
5. 基于深度学习的沥青路面病害图像智能识别方法研究 [J] . 李岩 ,徐信芯 ,李世豪 . 交通科技 . 2022,第1期
6. 基于深度学习的物联网智能水位监控系统 [C] . PAN Jinqiu ,潘金秋 ,GUI Guan . 2018年全国物联网技术与应用大会 . 2018
7. 基于深度学习的水位智能预测技术与应用 [A] . 周海南 . 2020

基于两阶段深度学习的水位智能识别方法

摘要

著录项

相似文献

相关主题

期刊订阅