基于Mask R-CNN的防波堤复杂护面块体检测和分割方法

针对斜坡式防波堤护面层块体个数统计效率和精确率低的问题,提出了基于Mask R-CNN深度学习网络的斜坡式防波堤扭王字块体的识别和分割方法.该方法利用Mask R-CNN深度学习网络学习实验室采集图像的特征信息,通过调整交并比(IOU)阈值得到评价指标最好的模型,并将该模型应用于现场防波堤图像护面块体的识别和分割.测试结果表明,IOU取0.5时,目标分割的平均精确率为91.83％,平均召回率为92.94％;将训练得到的网络用于识别无人机航拍现场的防波堤图像,扭王字块识别率可达90.7％,且拍摄角度和高度对识别精度影响不大.Mask R-CNN深度学习网络可实现密集、复杂护面块体的准确识别,具有良好的移植性和通用性.