基于影像的道路积水监测研究

作     者：胡昊 李擎 马鑫 陈军朋 孙爽 徐鹏 HU Hao;LI Qing;MA Xin;CHEN Junpeng;SUN Shuang;XU Peng

作者机构：黄河水利职业技术学院河南开封475004 华北水利水电大学河南郑州450045 河南省跨流域区域引调水运行与生态安全工程研究中心河南开封475004 

出 版 物：《华北水利水电大学学报（自然科学版）》 (Journal of North China University of Water Resources and Electric Power：Natural Science Edition)

年 卷 期：2023年第44卷第1期

页      面：62-70页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河南省重点研发与推广专项(222102320134) 河南省高等学校重点科研项目(22A570006) 河南省高等学校青年骨干教师培养计划项目(2019GGJS105) 开封市重点研发专项(22ZDYF007) 

主　　题：视频影像 YOLOv5s 智慧水利 积水监测 目标检测 

摘      要：快速城市化进程与频发的极端降雨事件相叠加,导致城市内涝加剧,积水灾害频发。快速准确地获得道路积水特征数据是解决城市雨洪灾害问题的迫切需求。在已有基于图像识别进行道路积水监测的研究基础上,提出了一种基于视频影像的道路积水实时监测模型,利用YOLOv5s深度学习算法对道路积水图像进行积水区域的识别,利用测量公式获得识别区域的积水面积,并且采用该模型对某大学校园内一次雨后积水进行应用研究,并与SSD和Faster R-CNN算法相对比。结果表明,该模型能满足道路积水的实时监测任务要求,道路积水识别精度均值mAP为96.06%,积水面积提取平均准确率为93.6%,模型的整体性能优于SSD和Faster R-CNN算法。