我国小型水库面广量大，存在管理不善等问题，每年因溢洪道泄流不畅导致的安全事故占比较大。对此，以溢洪道堵塞识别为研究对象，提出一个基于DeepLabV3+的溢洪道堵塞识别模型。该模型基于自主构建的溢洪道堆石数据集训练，采用轻量级MobileNetV3替换原主干网络Xception

减少了参数量，提高了模型训练效率；引入高效通道注意力（ECA）机制以增强跨通道特征信息的交互，提升模型预测效果。此外，对损失函数进行改进，采用焦点损失（Focal loss）与Dice损失的线性组合作为损失函数以改善样本像素不平衡问题。改进后模型M

MIoU

、M

MPA

分别达到98.37%、99.25%

比常规DeepLabV3+模型检测精度分别提高12.09%、3.20%。同时模型大小仅42.74 MB

且每秒可推理超过100帧图像，与常规模型相比具有较高的轻量化优势，可以为小型水库安全运维的实时化、智能化发展提供方法和实践途径。