【摘 要】
:
水资源作为生命之源,生态系统中的核心资源,可以发展区域经济、保障人民生活。然而人们却常常忽略水生态系统功能价值,由于人类活动和自然因素,造成河道漂浮物堆积、侵占河道的情况,破坏了河道景观以及自然水生态。如何提高河道巡查监管能力成为目前河流管护的迫切需求。围绕此需求,本文依托中国水利水电科学研究院北京市科技重大专项课题,大运河智慧巡河系统研发及示范应用,研究针对河道目标场景优化的目标检测算法,同时设
论文部分内容阅读
水资源作为生命之源,生态系统中的核心资源,可以发展区域经济、保障人民生活。然而人们却常常忽略水生态系统功能价值,由于人类活动和自然因素,造成河道漂浮物堆积、侵占河道的情况,破坏了河道景观以及自然水生态。如何提高河道巡查监管能力成为目前河流管护的迫切需求。围绕此需求,本文依托中国水利水电科学研究院北京市科技重大专项课题,大运河智慧巡河系统研发及示范应用,研究针对河道目标场景优化的目标检测算法,同时设计并实现智慧巡河系统,辅助河长巡河,实现河道智能监管。主要工作与研究成果如下:(1)构建了河道目标多场景样本数据集。因为目前公开数据集内容与河道目标的相关数据较少,相关数据集较难获取,所以本文通过实地河道场景采样等方式获取样本图像数据,并对河道目标(包括河道漂浮物以及河道不文明行为)样本数据进行样本分类、样本标注。通过对标注后图像样本压缩、处理等操作,制作河道目标样本数据集,样本数据共计13206张,用于后续目标检测模型的训练。(2)研究了针对河道目标识别场景搭建目标检测算法。针对河道目标场景中河道漂浮物目标特征、形态等因素,传统目标检测算法难以准确识别面积大小不一、形状较不规则的河道漂浮物目标。因此本文提出基于YOLO v5目标检测模型的算法优化,通过添加特征压缩和特征激发模块来辅助提取特征,采用平衡特征金字塔结构增强网络特征融合能力,压缩全局特征输出每个卷积通道的权重,兼顾小尺寸目标语义信息,提高特征提取性能和效率,更利于河道场景下的目标识别。通过河道场景下的目标检测实验,对比SSD、Mask RCNN、YOLO v5以及本文优化的YOLO v5算法模型实验结果,均显示优化的YOLO v5在河道目标识别场景中检测精度最高、效果最好。(3)完成了针对目标检测的智慧巡河系统设计与实现。封装并集成训练后的目标检测算法,依托优化的YOLO v5算法模型作为系统核心支撑,从需求分析、系统结构设计、问题域设计、持久化设计及系统实现的内容详细解释说明了整个智慧巡河系统设计与实现的全流程。目前,系统运行正常,为通州区水务局、河长办以及运河管理处对运河监管提供支持。通过集成河道目标检测算法,辅助传统人工巡河,全面提高“河长制”业务管理水平,对推进河湖状态改善及长期有效的河湖监管提供技术支撑。
其他文献
特岗教师是乡村教育师资队伍的重要组成部分,他们为中国乡村义务教育事业做出了突出贡献。作为新时代的革命老区,皖西地区需要更多特岗教师的留任与长期共同努力,以建设高质量乡村教师队伍和实现皖西乡村教育的振兴。然而,皖西地区的特岗教师存在着现实境遇认同感低、留任顾虑多、留任意愿不强、长期留任率低等问题。通过问卷调查、深入访谈以及对部分学校进行实地考察,发现产生这些问题的主要原因在于工作负担重、职业动机复杂
在含印章的文档图像(以下简称印章文档图像)的识别过程中,由于印章与文档字符的重合,造成了字符间的粘连和字符结构变化,严重影响了识别的精度。因此,准确地提取与去除文档图像中的印章,对文档字符识别、印章检索和印章鉴别等研究领域十分关键。由于文档样式的多样性和人工盖印效果的复杂性,现有的印章提取与去除方法难以取得很好的效果,且通用性较差。同时,目前也没有一个统一的方法或模型可同时实现印章的提取与去除。针
图像的清晰度影响计算机视觉算法的精度,因此从模糊图像中复原出清晰图像有利于提高视觉算法的性能。现有的图像去模糊算法主要从传统算法和深度学习两个方面进行图像去模糊。基于图像先验信息的传统算法处理复杂的模糊图像时,难以提取图像中的先验信息,导致算法的性能下降。相比于传统算法,基于深度学习的图像去模糊方法取得了巨大进步,但是现有基于深度学习的算法网络结构复杂,容易忽略全局信息,无法充分利用神经网络的空间
近年来,国内外逐渐提高了中学生阅读能力的培养,甚至把阅读能力作为学习能力评估的重点项目之一。生物学与语数英等学科语言相比有自身的特点,教材文本呈现方式也特色明显,所以生物学阅读的方式方法与其他学科并不完全相同。通过文献检索发现,国内外有关生物学阅读的报道,尤其是初中生方面的相对较少。因此本文通过问卷调查和访谈法调查了常州市和阜阳市6所学校初中生生物学阅读状况,旨在了解全民阅读背景下这两地的生物学阅
区块链技术的持续发展,使得区块链的落地商业化应用逐渐增多。与此同时,联盟链的优势也变得突出。然而,联盟链常用的共识算法存在的问题也越来越明显,这一定程度上反映联盟链中的共识算法难以通用于电子政务、智慧医疗和供应链等实际的应用场景。目前这些缺陷亟待解决,最大程度地推进联盟链环境中的具体应用的落地。基于此,对联盟链中常用的PBFT(Practical Byazentine Fault Toleranc
生物特征识别是一种新式的身份认证方式,具有唯一性、安全性、稳定性等特点,被广泛应用于各大领域。生物特征识别系统的广泛应用引起了人们对其安全问题的关注,各种不同的攻击方法被设计出来,主要目的是冒充合法用户,从而通过识别系统的验证。这些攻击严重威胁到庞大用户群体的财产和信息安全,也揭示了生物特征系统的安全隐患。掌纹是重要的生物特征模态,其识别稳定性高、成本低、用户友好性高、隐私性强,是一种非侵犯式的识
图像在人类社会的发展中至关重要,是重要的记录器。图像修复技术旨在利用图像内已知区域的信息来补全图像内的缺失区域。图像修复是一项基础且复杂的计算机视觉任务,能广泛应用于摄影、文物修复、老照片修复、工业等领域,是近年来人们关注的热点课题。图像修复常用的方法有基于像素扩散、样例传播和深度学习等。深度学习的出现,加快了图像修复技术的发展。目前基于深度学习方法的图像修复技术,虽能修复大区域的图像缺失,但是在
机会网络是一种特殊的移动自组织网络,借助节点移动带来的相遇机会实现网络通信,在环境监测、野生动物追踪、应急通信等领域有广泛应用。机会网络拓扑预测通过分析历史连接信息挖掘网络的演化规律,结合当前网络结构信息,预测下一时刻拓扑变化,为机会网络的路由协议设计提供理论支持。机会网络拓扑预测是网络行为预测的关键问题之一,其面临节点频繁移动、拓扑结构时变等挑战。本文通过分析机会网络中当前网络结构与历史连接信息
随着互联网及智能设备的高速发展和普及,以数字图像为主的多媒体信息的发送和接收成为人们日常生活中最重要的交流方式之一。但近年来隐私泄露、侵犯版权等违法犯罪行为日益增多,对人们的日常生活带来巨大影响,信息安全问题备受关注。传统加密技术虽然是一种有效的信息保密手段,但其不可理解性容易吸引恶意攻击者使用高性能计算工具对密文进行解译或破坏。作为对加密技术的一种补充和完善,信息隐藏技术应运而生。以数字图像为载
在新冠肺炎疫情期间,接触式的指纹识别和非遮挡式的人脸识别在身份认证过程中应用受到了一定的限制,这让人们意识到非接触式认证方式--虹膜识别的重要性。但现有的虹膜识别算法对于非合作状态下获取的低质量虹膜图像的分割和识别性能不佳,而这类图像是大量存在的。同时,对这类虹膜图像的真实虹膜区域进行人工定位的做法存在不可靠性,不利于虹膜识别算法的进一步发展。本文主要设计了基于深度学习的虹膜定位分割分及识别算法,