基于多尺度空间特征PSPNet模型的尾矿坝干滩监测

干滩长度是尾矿库安全管理的重要指标之一,针对传统干滩图像分割方法存在的工作量大、分割边界粗糙等问题,提出了一种基于多尺度空间特征PSPNet的干滩分割检测模型,模型总体分为预处理—特征提取—目标分割3个阶段.在预处理阶段,采用暗通道先验方法对采集到的有雾图像进行去雾处理;在特征提取阶段,采用DenseNet169作为骨干架构网络提取干滩的多尺度特征;在干滩目标分割阶段,首先引入密集空洞金字塔卷积和金字塔池化结构以增大感受野,然后利用高分辨率特征图将干滩图像恢复至原尺寸,最后对生成的干滩掩膜图像进行边界提取,以实现对干滩长度的测定.结果表明,相对于传统图像分割算法,该模型简化了前期预处理工作量,相比传统的语义分割精度MIoU提高了 7.89％,PA提高了 8.11％.因此该模型在复杂环境下对干滩长度数据提取具有较好的监测能力和泛化能力,能够为利用机器视觉监测尾矿坝干滩长度提供新的思路.