科研之友
微信
新浪微博
Facebook
分享链接
摘要
快速城市化进程与频发的极端降雨事件相叠加，导致城市内涝加剧，积水灾害频发。快速准确地获得道路积水特征数据是解决城市雨洪灾害问题的迫切需求。在已有基于图像识别进行道路积水监测的研究基础上，提出了一种基于视频影像的道路积水实时监测模型，利用YOLOv5s深度学习算法对道路积水图像进行积水区域的识别，利用测量公式获得识别区域的积水面积，并且采用该模型对某大学校园内一次雨后积水进行应用研究，并与SSD和Faster R-CNN算法相对比。结果表明，该模型能满足道路积水的实时监测任务要求，道路积水识别精度均值mAP为96.06%,积水面积提取平均准确率为93.6%,模型的整体性能优于SSD和Faster R-CNN算法。
-
单位黄河水利职业技术学院; 华北水利水电大学
