文献类型：期刊文章

作　　者：吕姚[1,2] 包学才[1,2] 彭宇[1,2] 查小红[3] 黄明坤[1,2]

LV Yao;BAO Xuecai;PENG Yu;ZHA Xiaohong;HUANG Mingkun(School of Information Engineering;Jiangxi Province Key Laboratory of Water Information Cooperative Sensing and Intelligent Processing;Center of Internet Information,Nanchang Institute of Technology,Nanchang 330099,China)

机构地区：[1]南昌工程学院信息工程学院 [2]江西省水信息协同感知与智能处理重点实验室 [3]南昌工程学院网络信息中心,江西南昌330099

出　　处：《南昌工程学院学报》

基　　金：江西省水利厅科技项目(编号202223YBKT24)。

年　　份：2024

卷　　号：43

期　　号：3

起止页码：13-18

语　　种：中文

收录情况：CAS、普通刊

摘　　要：针对目前基于深度学习水位测量算法存在特征信息提取不充分问题,提出一种基于改进YOLOX的城市河道水位智能测量算法。为了提高YOLOX对多类别密集目标的识别率,在特征融合网络中引入CBAM注意力机制,并采用基于计算目标框信息的损失函数D-IoU加快模型收敛。该算法利用改进后的YOLOX对水尺刻度进行识别与统计,并计算出水位值。试验表明提出的新算法对水尺刻度和数字的平均识别率分别达98.62%和92.23%,最终计算水位的平均误差为1.16 cm,较其他图像识别水位测量算法的平均误差减少了1.76 cm,可实现高精度智能测量城市河道的水位值。

关 键 词：深度学习  水位测量 CBAM DIoU  

分 类 号：TP391.41] TV123[计算机类]