基于元学习的少样本水闸图像识别方法研究

针对实际工程环境中采集的水闸图像样本不均衡、前后景混融导致的识别效果不好的问题，提出一种基于元学习的少样本水闸图像识别方法。首先构建水闸图像数据集，并使用图像增强和预处理对数据集进行优化；再使用多头注意力，提升网络准确捕捉多种与任务相关的关键特征信息的能力，更好地与时序卷积协作，进一步提高水闸图像的识别效果。在构建的sluice-ImageNet数据集上进行实验，实验结果表明，相比其他方法，所提方法在水闸启闭状态图像识别任务上更具有效性和优越性。该方法部署于重点水利工程视频监测平台，辅助人工监管，可实现对水闸异常运行情况的实时监测，为防汛决策提供智能化支持。