典型文献
内河河道监视与浮萍识别系统设计
文献摘要：
内河河道水面的浮萍是造成水环境恶劣的一个重要原因.文中设计了一个内河河道监视与浮萍识别系统,通过在河岸架设摄像头对河道状况进行实时采集监测.从采集到的自然河道图像中高效提取出河道线,进而准确检测、识别浮萍.通过HED神经网络实现了适用于野外河道图像的河道线提取;基于Mask-RCNN网络实现了浮萍的检测,并做到了预处理、识别与后处理一体化.实验结果显示:以交叉比作为评价标准,在样本容量为97的测试集上达到了93.8％的准确率,相比传统算法提高了30.6％;单张河道图片边缘提取速率达到了0.275 s,能够满足实时性.Mask-RCNN网络保持了识别、检测与分割任务上的高性能,实验证明了Mask-RCNN网络在实际场景下的可行性,在样本容量为1042的浮萍数据集上,检测准确率达到95.41％,相比经典机器学习方法准确率提高了3.41％.
文献关键词：
河道监视;浮萍识别;内河河道线提取;图像采集;图像预处理;Mask-RCNN;对比验证
中图分类号：
作者姓名：
葛淼彦;李昌利;曲兆松
作者机构：
常州大学 机械与轨道交通学院,江苏 常州 213164;河海大学 计算机与信息学院,江苏 南京 211100;北京尚水信息技术股份有限公司,北京 100085
文献出处：
引用格式：
[1]葛淼彦;李昌利;曲兆松-.内河河道监视与浮萍识别系统设计)[J].现代电子技术,2022(01):65-71
A类：
河道监视,浮萍识别,内河河道线提取
B类：
识别系统,水面,环境恶劣,中设计,河岸,架设,摄像头,实时采集,高效提取,HED,外河,Mask,RCNN,比作,样本容量,测试集,上达,传统算法,单张,边缘提取,提取速率,检测准确率,机器学习方法,图像采集,图像预处理,对比验证
AB值：
0.274335
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。
