基于无人机和深度学习的大型垃圾填埋场覆膜病害智能识别方法研究

为提高大型生活垃圾卫生填埋场的堆体覆膜穿刺、撕裂等常见病害的巡检效率,以广州市兴丰生活垃圾卫生填埋场为研究对象,基于无人机航拍和深度学习模型,考察了无人机的选型和巡航参数,使用无人机采集病害样本并在病害图像识别模型中采用过采样的训练策略。并在YOLOv5模型上增加细微目标识别层,可实现较高的识别准确率与召回率。研究结果表明：在病害图库样本数量相对有限的前提下利用过采样的策略提升了样本的代表性与均衡性,显著提高了模型病害识别的准确率。无人机结合高精度RTK定位技术能准确定位航拍照片坐标,解决了无明显参照物下覆膜病害定位困难的问题。通过查询病害缺陷照片的地理信息,可以快速找到病害位置,有助于及时开展修复作业。