内河河道监视与浮萍识别系统设计

内河河道水面的浮萍是造成水环境恶劣的一个重要原因。文中设计了一个内河河道监视与浮萍识别系统,通过在河岸架设摄像头对河道状况进行实时采集监测。从采集到的自然河道图像中高效提取出河道线,进而准确检测、识别浮萍。通过HED神经网络实现了适用于野外河道图像的河道线提取;基于Mask-RCNN网络实现了浮萍的检测,并做到了预处理、识别与后处理一体化。实验结果显示:以交叉比作为评价标准,在样本容量为97的测试集上达到了93.8%的准确率,相比传统算法提高了30.6%;单张河道图片边缘提取速率达到了0.275 s,能够满足实时性。Mask-RCNN网络保持了识别、检测与分割任务上的高性能,实验证明了Mask-RCNN网络在实际场景下的可行性,在样本容量为1 042的浮萍数据集上,检测准确率达到95.41%,相比经典机器学习方法准确率提高了3.41%。