点击次数：

论文类型：期刊论文

发表时间：2019-04-15

发表刊物：水利水运工程学报

收录刊物：PKU

期号：2

页面范围：65-70

ISSN号：1009-640X

关键字：河道山地灾害;卷积神经网络;图像识别;川藏公路

摘要：河道山地灾害如泥石流、滑坡、山洪、水土流失等严重危害着河道周边公路、铁路、桥梁、大型水利工程等重要基础设施的安全.快速识别已发生的河道山地灾害意义重大,而传统巡检方式具有极高的危险性和滞后性,迫切需要新方法来替代.以深度卷积神经网络为代表的深度学习技术具有局部感知、参数共享、池化等多个特性,相比传统机器学习方法具有更强大的特征学习和特征表达能力.在深度学习开源框架下,利用大量河道山地灾害图片数据完成了Caffenet等多个深度模型的训练,并结合迁移学习方法,使河道山地灾害识别准确率最终达到90％以上,为河道山地灾害快速识别、群防群测体系的完善提供了新思路.