轻量化目标检测算法在智慧水利上的应用——以辽河干流地物识别为例  

Application of lightweight object detection algorithm in intelligent water conservancy

作　　者：宋金龙 刘继 Song Jinlong;Liu Ji

机构地区：[1]辽宁省水利水电勘测设计研究院有限责任公司,沈阳110006

出　　处：《黑龙江水利科技》2025年第3期113-116,共4页Heilongjiang Hydraulic Science and Technology

摘　　要：为了提升水利船只的监管效率,针对遥感影像背景复杂、目标地物尺度差异大的问题,提出一种多尺度融合的YOLO v5目标识别算法YoMresNet(YOLO v5 Resnet Networks),实现对不同大小的地物进行高精度识别。首先以YOLO v5网络为基础模型,其次效仿残差模型代替YOLO v5模型中Neck的部分卷积并减少卷积层数以减小模型的体积;最后在模型的检测头部通入MHSA进行参数优化实现对船只目标的检测精度。在大型遥感数据集DIOR上进行了对比实验,并利用本项目组在辽河干流防洪提升工程拍摄的图像并制作的数据集上进行再次验证,结果表明YoMresNet模型相较于YOLO v5模型以及Faster R-CNN进行对比,检测精度有了显著提升,文章提出的方法有效提高了水利监管的效率,能够准确识别辽河干流目标地物,为搭载移动端嵌入式无人机等设备的实时目标检测提供参考价值且检测精度和速度均满足实际生产要求。

关 键 词：目标检测算法 网络模型 检测精度 智慧水利 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]