IT之家 2 月 15 日新闻，山区泥石流灾祸的突发性与夜间产生特征使得灾祸预警面对宏大挑衅。传统的监测技巧如雨量计、泥位计、视频监控等，存在必定的范围性；而基于多普勒道理的微波雷达则不依附可见光，具有全天候、全地利的监测才能，但在现实利用中却会由于打草惊蛇、落石、涨水等情况变更而招致误报。为懂得决这一成绩，中国迷信院成都山地灾祸与情况研讨所刘双与胡凯衡课题组结合奥天时学者发展了泥石流雷达监测技巧的改良研讨。他们在后期研讨的基本上，斟酌打草惊蛇、崩塌落石、溪水涨落、植物运动、车来人往等情况要素的影响，联合大批实地雷达丈量与样本收罗，提出了基于深度进修的多目的分类判识方式。研讨团队采取了 12 种深度进修收集模子，并联合迁徙进修算法，胜利构建了一个针对泥石流跟落石的多目的分类模子。成果表现，年夜局部深度进修模子可能实现多目的分类义务，最高正确率到达了 95.46%。此中，vgg16、mobilenet_v2 跟 谷歌net 模子在泥石流与落石的分类辨认上表示尤为优良。别的，研讨职员还摸索了基于多个深度进修模子跟投票战略相联合的聚集判识方式。该方式进一步优化了目的分类的正确性跟精度，明显下降了虚警率，加强了泥石流的监测判识才能。IT之家附论文链接：https://doi.org/10.1029/2024GL112351