基于YOLOv8s的闸门水下淤堵物快速识别模型

贾强强; 贾骁男; 何旺; 朱延涛

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于YOLOv8s的闸门水下淤堵物快速识别模型

水工建筑 | 更新时间：2025-12-11

- 基于YOLOv8s的闸门水下淤堵物快速识别模型
- 基于YOLOv8s的闸门水下淤堵物快速识别模型
- 水力发电 2025年51卷第12期页码：45-49+69
- 作者机构：
  
  1. 长江勘测规划设计研究有限责任公司
  2. 河海大学水利水电学院
  3. 国家大坝安全工程技术研究中心
- 作者简介：
- 基金信息：
  
  国家重点研发计划(2022YFC3005404);国家自然科学基金资助项目(52309152,U23B20150);江苏省自然科学基金资助项目(BK20220978);国家大坝安全工程技术研究中心开放基金(CX2023B03)
- DOI：
  中图分类号： V698
- 纸质出版：2025
- 稿件说明：
移动端阅览
贾强强, 贾骁男, 何旺, 等. 基于YOLOv8s的闸门水下淤堵物快速识别模型[J]. 水力发电, 2025,51(12):45-49+69.

贾强强, 贾骁男, 何旺, et al. 基于YOLOv8s的闸门水下淤堵物快速识别模型[J]. 2025, 51(12): 45-49+69.
贾强强, 贾骁男, 何旺, 等. 基于YOLOv8s的闸门水下淤堵物快速识别模型[J]. 水力发电, 2025,51(12):45-49+69. DOI：

贾强强, 贾骁男, 何旺, et al. 基于YOLOv8s的闸门水下淤堵物快速识别模型[J]. 2025, 51(12): 45-49+69. DOI：

摘要

针对树枝和石块等水下淤堵物形态多样，现有方法难以高效识别的问题，提出了一种闸门水下淤堵物快速识别模型。该模型基于YOLOv8s架构，通过整合FasterNet的高效特征提取模块和EMA的多尺度注意力机制，并将CIoU换成MPDIoU作为定位损失函数，高效检测树枝和石块等水下淤堵物。工程实例分析表明，提出的模型对“所有类别”的精度为0.821

召回率为0.513

mAP50为0.627

能较好地区分树枝和石块等水下淤堵物，且FPS高达120.63 f/s

满足水下探测的实时性需求。

Abstract

关键词

Keywords

references

余江林,唐天国.拦河水闸闸门新型升降技术及荷载优化分析[J].水力发电,2019(04).

尼旭东,鹿文凯,赵士滨,侯啸岳.济南引黄闸工程管理与维护的措施[J].人民黄河,2019(S2).

张雪才,杨顺群,侯庆宏,王正中.水工闸门面板结构空间有限元分析原则[J].水力发电,2021(10).

曹坤煜,陈述,陈云,孙孟文,聂本武.混凝土坝面交叉作业安全风险智能识别方法[J].水力发电学报,2023(12).

潘玮,韦超,钱春雨,杨哲.面向无人机视角下小目标检测的YOLOv8s改进模型[J].计算机工程与应用,2024(09).

谭峰屹,何坦,郭留锋,许朝勇,杨恺,曹晟.长江流域水闸工程安全运行专项监督检查分析[J].人民长江,2023(S1).

高德勇,陈泰达,缪兰.改进YOLOv8n的道路目标检测算法[J].计算机工程与应用,2024(16).

黄涛,刘圣凡,钱军,谢鹏,申赵勇.向家坝水电站工作弧门运行安全观测综合分析[J].水力发电,2024(08).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据