原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第40卷第3期山西大同大学学报（自然科学版）Vol.40No.3
2024年6月JournalofShanxiDatongUniversity(NaturalScienceEdition)Jun.2024
文章编号：1674-0874（2024）03-0101-07
无人机航拍影像的矿区泥石流物源目标检测
——以大同市里道寺窑沟为例
*
燕倩如，张磊，叶军建，李熙尉，王佳源
（山西大同大学煤炭工程学院，山西大同037000）
摘要：为解决当前传统泥石流物源识别人工野外实地调查难度大、危险性高、效率低、检测精度低等问题，提出
了一种改进的YOLOv5s-GCE泥石流物源目标检测方法。首先，利用Ghost卷积替换普通卷积，完成轻量化特征提取，
降低参数量和计算量；其次，在YOLOv5s模型的主干网络中添加CBAM双通道注意力机制，关注关键区域的重要特
征，有效提升模型性能；最后，将CIOU替换为EIOU损失函数，提升算法检测精度。与YOLOv5s模型相比，YOLOv5s-
GCE模型mAP@0.5提升8.6%，mAP@0.5:0.95提升10.5%，参数量减少10.6%，计算量下降10.1%。可以有效检测泥
石流物源，为泥石流物源的精确识别定位提供理论参考和数据支撑，进一步服务于里道寺窑沟区泥石流的风险评价与
防治。
关键词：注意力机制；泥石流物源；目标检测；深度学习；Ghost卷积；损失函数
中图分类号：TP751文献标识码：Adoi：10.3969/j.issn.1674-0874.2024.03.020
泥石流物源作为泥石流灾害逐步形成和发展的提出一种新算法，基于该算法实现泥石流物源检测，
关键要素之一，是评估泥石流灾害规模和灾害程度不仅大大提升检测精度同时也减少模型的参数量和
的依据，防治泥石流的工程措施必须充分考虑物源计算量，精准识别定位物源，为下一步泥石流危险性
[1]
的分布定位。现如今提出将遥感数据应用于泥石评价与防治工作做出工作基础。
[2]
流物源的目标检测中，虽然深度学习目标识别在很
1YOLOv5s-GCE泥石流物源目标检测
多领域已取得较为成功过的应用，但很少应用在泥
石流物源识别方面。1.1基于YOLOv5s-GCE结构
[5]
目前，基于深度学习的目标检测算法在诸多领在YOLOv5s的6.0版本框架的基础上提出了
域广泛应用，效果好。一些学者将该类算法运用于YOLOv5s-GCE（G-GhostConv,C-CBAM,E-EIOU）网
遥感图像的目标检测中，取得了不少研究成果。例络结构，如图1，该网络在Backbone部分添加了
[3]CBAM模块。CBAM模块对输入特征图分双通道处
如：黄鸿柳等人利用改进的RetinaNet算法实现无人
机精确目标识别与定位，平均精度比普通算法高出理，关注重要特征的信息，提升物源检测的准确性。
[4]Backbone部用4个GhostConv模块替换原模型中4个
1.5%；张新蕊等人提出了一种基于GhostNet-YO‐
LOv4的轻量化遥感图像中飞机目标检测模型，ASSP
文档评论（0）