人工智能下的河谷侵蚀检测与定量化
计算机视觉与模式识别
2025-07-16 v1
摘要
河谷侵蚀是一种自然过程，可对土壤稳定性和战略基础设施造成重大影响。侵蚀的检测与监测传统上依赖摄影测量方法和地理信息系统中的分析，需耗费专业知识和大量人工处理。本研究提出一种基于人工智能的自动方法，用于识别侵蚀区域并估算其面积。采用经微调的YOLOv11模型进行训练，利用照片和LiDAR图像构建数据集。该数据集经Roboflow平台进行分段和标注。实验结果表明，模型以70%的准确率有效检测侵蚀模式，精确识别侵蚀区域，并可靠计算其像素和平方米面积。最终开发了EROSCAN系统，一个交互式网页应用，允许用户上传图像即可获得河谷侵蚀的自动分段及其估计面积。该工具优化了侵蚀的检测与定量化，促进了风险管理和领土规划中的决策。
引用
@article{arxiv.2507.11301,
title = {Detecci\'on y Cuantificaci\'on de Erosi\'on Fluvial con Visi\'on Artificial},
author = {Paúl Maji and Marlon Túquerres and Stalin Valencia and Marcela Valenzuela and Christian Mejia-Escobar},
journal= {arXiv preprint arXiv:2507.11301},
year = {2025}
}
备注
18 pages, in Spanish language, 13 figures, 4 tables