基于Mask R-CNN模型和AAMED算法的城市洪涝区域识别与深度计算方法

本发明提供了一种基于Mask R‑CNN模型和AAMED算法的城市洪涝区域识别与深度计算方法，所述方法包括：数据资料获取、改进Mask R‑CNN模型的构建与训练、基于改进Mask R‑CNN模型的洪涝区域与车轮检测、基于AAMED算法的车轮椭圆拟合与参数提取，以及积水深度计算与结果输出。结果表明，MaskR‑CNN对积水区识别精度为90.69％。在混淆矩阵分析中，该模型对积水区和非积水区的识别准确率均为93.53％。而本申请提出的深度计算模型对车轮定位精度为96.12％，分割精度为96.58％。模型计算深度与观测水位之间绝对误差小于2cm的场次比例超过80％。改进后的积水面积识别模型具有良好的识别性能。本申请所述方法有助于及时识别洪涝积水区并测量水位，从而为城市洪水预警和防灾控制提供参考借鉴。