中国科学院用深度学习构建山区泥石流监测模型最高准确率9546%

IT之家 2 月 15 日音问，山区泥石流灾殃的突发性与夜间爆发特质使得灾殃预警面对广大离间。

古板的监测技能如雨量计、泥位计、视频监控等，存正在必定的控制性；而基于众普勒道理的微波雷达则不依赖可睹光，具备全天候、全天时的监测材干，但正在实践操纵中却会由于风吹草动、落石、涨水等境遇转变而导致误报。

为体会决这一题目，中邦科学院成都山地灾殃与境遇琢磨所刘双与胡凯衡课题组团结奥地利学者发展了泥石流雷达监测技能的改革琢磨。

他们正在前期琢磨的根蒂上，探究风吹草动、崩塌落石、溪水涨落、动物举止、车来人往等境遇身分的影响，联合洪量实地雷达衡量与样本搜集，提出了基于深度研习的众对象分类判识伎俩。

琢磨团队采用了 12 种深度研习搜集模子，并联合转移研习算法，获胜构修了一个针对泥石流和落石的众对象分类模子。

结果显示，大片面深度研习模子可以结束众对象分类做事，最高确凿率抵达了 95.46%。此中，vgg16、mobilenet_v2 和 googlenet 模子正在泥石流与落石的分类识别上呈现尤为精良。

别的，琢磨职员还探寻了基于众个深度研习模子和投票政策相联合的聚会判识伎俩。该伎俩进一步优化了对象分类实在凿性和精度，明显下降了虚警率，加强了泥石流的监测判识材干。