一种基于深度学习的电力廊道洪涝风险评估方法及系统

本发明公开了一种基于深度学习的电力廊道洪涝风险评估方法及系统，属于洪涝灾害领域，包括实现雷达影像的水体提取和风险等级评估，从Sentinel‑1卫星获取雷达影像，使用Speckle滤波器去除噪声，进行几何校正、辐射校正和归一化处理，进行数据预处理确保数据质量；利用U‑Net模型对预处理后的影像进行图像分割，通过编码器和解码器结构提取和恢复图像特征，通过深度学习模型实现高精度的水体分割；通过计算混淆矩阵、召回率、精确度和MIOU等指标评估水体提取精度，并根据提取的水体数据、廊桥距离和坡度，评估电力设备的洪涝风险等级，进行风险评估分为五级。本发明解决了如何准确提取水体并评估电力廊道洪涝风险的问题，为电力设施的防护和管理提供科学依据。