基于RDU-Net深度学习模型的电力基础设施提取方法研究

随着电力基础设施的逐步完善,如何减少电力损耗及提高发电量变成当前最迫切的需求,这就需要有效的对设施进行管理,对设施的位置、大小、面积进行识别统计是建立管理系统的前提。传统的识别统计方法如人工实地调查、遥感影像解译等都需要花费大量的人力物力和财力。本文根据地物特性,使用了RDU-Net网络模型,该模型在U-Net网络模型上进行了算法优化和完善,通过添加空洞卷积以提升模型感受野,同时引入Tversky损失函数自动平衡正负样本,最终得到了更适用于高分遥感图像分割的模型。本文实验结果表明:本文使用的RDU-Net模型能够很好的克服草木遮挡的干扰,精度较U-Net模型得到了很好得提升。可为识别典型电力基础设施相关方面研究提供思路,并能有效提高国家对基础能源设施的管理效率以及起到指导规划建设的作用。