【技术实现步骤摘要】
本专利技术涉及河流监控领域，具体为一种基于无人机的河流污染源识别方法及系统。
技术介绍
1、通过对污染源的监测，可以及时发现并控制污染物排放，防止其对生态系统和人类健康造成严重影响。传统的传感器监测方法虽然精确，但通常需要大量的人力和时间，而且固定监测点的覆盖范围有限，难以全面了解污染情况。而无人机搭载的高光谱相机可以灵活移动，覆盖更广的区域，快速获取大范围内的污染信息，从而提高监测效率和准确性。高光谱相机能够捕捉到肉眼不可见的光谱信息，对污染物的识别更加灵敏和精确。无人机的灵活性使其能够到达人类难以到达的区域，并实时传输数据，提供更及时和全面的监测结果。但是在使用yolov9对河流污染源进行识别中，yolov9模型需要大量标注精确的训练数据，如果训练数据不足或质量不高，会严重模型的识别效果。而且当污染源的面积比较小时，识别效果不佳。如何提高河流污染源的识别效果同时不增加识别中的计算量是本领域亟待解决的问题。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种基于无人机的河流污染源识...
【技术保护点】
1.一种基于无人机的河流污染源识别方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述基于训练样本的标注框所属聚类确定多级辅助信息返回的梯度，具体为：
3.如权利要求1所述的方法，其特征在于，所述基于所述返回的梯度和所述主分支对应的损失对所述污染源识别模型的参数进行更新，具体为：
4.如权利要求1所述的方法，其特征在于，所述基于所述返回的梯度和所述主分支对应的损失对所述污染源识别模型的参数进行更新，具体为：
5.如权利要求1所述的方法，其特征在于，所述根据训练样本中的标注框大小对标注框进
【技术特征摘要】
1.一种基于无人机的河流污染源识别方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述基于训练样本的标注框所属聚类确定多级辅助信息返回的梯度，具体为：
3.如权利要求1所述的方法，其特征在于，所述基于所述返回的梯度和所述主分支对应的损失对所述污染源识别模型的参数进行更新，具体为：
4.如权利要求1所述的方法，其特征在于，所述基于所述返回的梯度和所述主分支对应的损失对所述污染源识别模型的参数进行更新，具体为：
5.如权利要求1所述的方法，其特征在于，所述根据训练样本中的标注框大小对标注框进行聚类，具体为：
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。