科研之友
微信
新浪微博
Facebook
分享链接
摘要
尾矿库中含有大量的尾砂，是一个具有高势能的人造泥石流危险源，一旦发生溃坝危险，就会带来严重的人员损失和环境灾难。掌握尾矿库的数量和空间分布情况，对尾矿库事故的预防具有重要的意义。传统的尾矿库调查依赖人工目视解译和地面验证，难以实现大范围、高频次的监测。文章以多源高分辨率卫星影像为数据源，采用人工遍历解译的方式标注样本，并结合多种数据增广方法构建了深度学习的尾矿库检测数据集。在此基础上，通过嵌入轻量化的注意力机制模块，同时设置自适应的锚框，优化Oriented R-CNN模型。实验结果表明：改进后的模型在尾矿库检测数据集上的性能显著提升，全类平均精度和召回率分别能够达到84.14%和90.32%，同时模型具有较强的可靠性和泛化性。文章提出的方法有利于推动尾矿库自动化、智能化的应急监管。
- 出版日期2023
- 单位中国资源卫星应用中心
