-
题名基于深度学习的水域实例分割尾矿库干滩长度测量
被引量：1
- 1
-
-
作者
孙叶青
陈洪飞
童仁园
-
机构
中国计量大学
浙江省水利河口研究院
-
出处
《计量学报》
CSCD
北大核心
2024年第11期1607-1614,共8页
-
基金
国家重点研发计划课题(2022YFC3003403)
浙江省教育厅项目(Y201942369)。
-
文摘
提出了基于YOLOv8的水域实例分割方法,实现了在实时视频流下快速、高效、准确的尾矿库干滩长度测量。首先,完成一份高质量水域实例分割的COCO数据集;其次,分析主流深度学习实例分割算法,选用YOLOv8模型训练出高效识别水线并输出图像坐标;最后,标定相机内外参数,应用相机成像原理,在尾矿库尾部安装监控摄像头,预测出干滩长度。实验证明:此模型不仅能够准确预测出干滩长度,并且对不同尾矿库水域边界分割有较好的稳定性;对实时视频流模式下的野外非接触式测量具有较好的效果,误差控制在2%以内。
-
关键词
长度测量
水域实例分割
干滩长度
尾矿库
COCO数据集
YOLOv8算法
实时视频流
-
Keywords
length measurement
water area instance segmentation
dry beach length
tailings pond
COCO dataset
YOLOv8 algorithm
real time video streaming
-
分类号
TB92
[机械工程—测试计量技术及仪器]
-
