中国安全科学学报

作者：江松, 李研博, 何旭乾, 何润丰, 张超, 张存良

单位：1 西安建筑科技大学 资源工程学院,陕西 西安 710055；2 西安建筑科技大学 管理学院,陕西 西安 710055；3 中钢集团马鞍山矿山研究总院有限公司,安徽 马鞍山 243000；4 洛阳栾川钼业集团股份有限公司,河南 洛阳 471500；5 内蒙古汇能煤电集团有限公司,内蒙古 鄂尔多斯017000

关键词：无人机影像,深度学习,滑坡灾害,智能识别,面向对象,Res-U-Net

基金：国家自然科学基金青年项目资助(52104146); 中国博士后科学基金面上项目资助(2022M722925); 陕西省社会科学基金资助(2020R005); 内蒙古呼和浩特市科技局项目(2023-高-12)

为精确识别和预警露天矿滑坡灾害,提出一种基于面向对象的标注数据集和Res-U-Net模型相结合的露天矿滑坡智能识别方法。首先,以无人机航测获取研究区矿山滑坡影像数据;其次,采用多尺度-光谱差异分割方法和阈值分离原理,对露天矿滑坡数据进行分割和分类,完成基于面向对象方法的滑坡数据集构建;然后,以U-Net网络作为基础架构,在每个卷积层融入ResNet的残差模块,构建基于Res-U-Net的滑坡识别语义分割模型;最后,识别不同方法构建的滑坡数据集,并对比Res-U-Net模型与主流的语义分割模型全卷积神经网络(FCN)、U-net。结果表明:基于面向对象标注的滑坡数据集相比于传统人工标注数据集具有更好的滑坡识别效果,在准确率、召回率、F1分数和kappa系数上都有12%以上的提升;Res-U-Net模型的滑坡识别精度均在0.8以上,实现露天矿山滑坡灾害精准识别。

来源：2024年第7期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第7期