摘要
识别现有淤地坝的位置、规模和健康状况是“十四五”期间淤地坝规划、建设的基础,是防止水土流失的重要举措。建立了淤地坝影像切片数据集,将DenseNet169和SENet融合到U-Net,构建了DSU-Net深度学习模型。经过对数据集的训练和测试,DSU-Net模型的准确率、F1 Score、均交并比和训练时间分别为97.00%、79.13%、81.14%和770 ms/step,DSU-Net识别淤地坝的精度高于U-Net和DU-Net等深度学习模型。DSU-Net模型能准确识别淤地坝的位置和形状,为黄土高原淤地坝的规划、建设、加固和维护、黄河流域生态保护和高质量发展提供技术支撑和决策支持。
出处
《湖南科技学院学报》
2023年第5期23-27,共5页
Journal of Hunan University of Science and Engineering
基金
国家自然科学基金项目(41661026)
湖南省教育厅科学研究重点项目(22A0573)
湖南省自然科学基金面上项目(2023JJ30271)
