基于集成学习算法的黄河中游采砂信息提取

针对大范围快速监管黄河中游采砂情况以维护其生命健康的问题，提出了一种加权平均集成UNet算法和PSPNet算法，改进损失函数，并结合遥感影像特点合理设定参数的集成学习算法。通过利用算法训练得到的采砂信息提取模型对实地调查的5个采砂点进行了信息提取，结果显示:UNet算法提取的找全率(Ｒecall)为79.87%，准确率(Precision)为15.80%，交并比(IoU)为16.75%;PSPNet算法提取的找全率(Ｒecall)为57.57%，准确率(Precision)为27.79%，交并比(IoU)为31.17%;集成学习算法提取的找全率(Ｒecall)为89.57%，准确率(Precision)为55.72%，交并比(IoU)为60.28%。因此，本文算法可以在一定程度上应用于河湖两侧采砂信息的提取，更好地辅助水利行业强监管的执行。