欢迎引用
宋树祥, 齐添, 胡良军, 等. 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[J]. 环境卫生工程, 2024, 32(2): 1-9.
本文亮点
在生活垃圾零填埋的背景下，对存量生活垃圾填埋场进行整治与利用逐步成为一项新任务。而堆体覆膜的完整性对减少填埋场的雨水冲刷以及带来的沉降量变化至关重要。因此，覆膜病害的日常巡检是填埋场运行维护的重要内容，但其难点在于病害图像清晰度和病害样本数量的限制。本研究以兴丰生活垃圾卫生填埋场为对象，研究无人机巡检技术与智能识别技术的结合应用，提出了适用于堆体覆膜全范围快速巡检的飞行参数，建立了覆膜病害图像智能识别模型，具有较高的识别准确率，能全面快速发现和定位覆膜病害，可为填埋场的智慧化管理提供技术支撑。
内容概要
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。
结论
1）通过对无人机航拍镜头、巡航参数的比选，确定大疆M300RTK+P1航测相机在8 m巡航高度下能够识别覆膜上1 mm尺度的病害，适宜巡查覆膜表面微小破损状况。
2）通过无人机样本采集及在训练模型中采用过采样的策略，提升了样本的代表性与均衡性。对YOLOv5模型增加细微目标识别层，实现了较高的识别准确率与召回率。在人工辅助下通过降低识别置信度，可进一步提高召回率。
3）通过无人机技术与智能识别技术的结合，可以提高大型填埋场的覆膜巡检效率和病害发现率。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，及时开展修复作业。
下一步的研究将结合填埋场巡检任务的实际需求，开展对多个填埋场进行全覆盖、高效率和实用性的巡查研究及应用，丰富和优化病害数据样本库，提高覆膜病害智能识别模型的准确度。
▼原文速览
编发：王雅楠；校对：刘冬梅；审核：张艺
