基于集成学习算法的黄河中游采砂信息提取

• 作者: 王守志 奚歌 张福坤 刘金玉 耿振云 詹昊 张云姣
• 来源期刊: 水利水电技术
• 学科: 工学
• 关键词: UNet算法 PSPNet算法 改进损失函数 集成学习算法 采砂
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 泥沙研究
• 页码范围: 161-168
• 页数: 8页
• 分类号: TV85
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2020.12.020

摘要

针对大范围快速监管黄河中游采砂情况以维护其生命健康的问题,提出了一种加权平均集成UNet算法和PSPNet算法,改进损失函数,并结合遥感影像特点合理设定参数的集成学习算法.通过利用算法训练得到的采砂信息提取模型对实地调查的5个采砂点进行了信息提取,结果显示:UNet算法提取的找全率(Recall)为79.87％,准确率(Precision)为15.80％,交并比(IoU)为16.75％;PSPNet算法提取的找全率(Recall)为57.57％,准确率(Precision)为27.79％,交并比(IoU)为31.17％;集成学习算法提取的找全率(Recall)为89.57％,准确率(Precision)为55.72％,交并比(IoU)为60.28％.因此,本文算法可以在一定程度上应用于河湖两侧采砂信息的提取,更好地辅助水利行业强监管的执行.