典型文献
基于深度学习图像分割技术的小水电站生态基流识别方法研究
文献摘要：
为切实解决小水电开发中存在的生态环境问题,保证电站下泄生态基流,提出一种基于深度学习图像分割技术的生态基流识别方法.首先采集大量小水电站在不同季节、时段的生态基流下泄图片样本,建立小电站生态基流领域真实数据样本集;然后搭建以深度学习为基础的图像分割网络,经训练后形成分析模型,对生态基流区域进行精确定位;最后结合视频监控站点及预置位,划定相应的生态基流判定区域及流量下限,低于下限则推送生态基流报警信息.对比研究了基于区域的传统图像分割方法与基于FCN的深度学习图像分割方法在生态基流识别方面的性能,结果表明深度学习方法显著优于传统的图像处理方法,像素准确度提高28.18％,平均交并比提高21.5％.
文献关键词：
小水电站;生态基流;图像分割;FCN
中图分类号：
作者姓名：
刘伟;江山;马天;肖维;芦宇轩
作者机构：
长江信达软件技术(武汉)有限责任公司,湖北武汉430010;国家大坝安全工程技术研究中心,湖北武汉430010
文献出处：
引用格式：
[1]刘伟;江山;马天;肖维;芦宇轩-.基于深度学习图像分割技术的小水电站生态基流识别方法研究)[J].小水电,2022(04):51-55
A类：
监控站
B类：
图像分割,小水电站,生态基流,小水电开发,生态环境问题,站下,下泄,不同季节,流下,图片样本,真实数据,样本集,分割网络,经训,精确定位,视频监控,预置,划定,下限,推送,报警信息,分割方法,FCN,深度学习方法,法显,像素,平均交并比
AB值：
0.233398
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
