基于深度学习的水线检测技术应用于近岸冲刷带中的波浪周期测量 作者：Laurence Zsu-Hsin Chuang、Po-An Tsai、Mei-Huei Chen

《Remote Sensing》：Deep Learning-Based Waterline Detection Applied to Wave Period Measurement in the Nearshore Swash Zone Laurence Zsu-Hsin Chuang, Po-An Tsai and Mei-Huei Chen

　　

摘要

本研究提出了一个集成框架，该框架结合了无人驾驶飞行器（UAV）的航空摄影、基于人工智能的水线检测以及严格的质量控制（QC）方案，用于估算冲刷区内的波浪周期。所提出的方法能够从高分辨率的UAV视频中自动提取瞬时水面线，并通过时间堆叠分析将其转换为波浪序列。DeepUNet模型在F1分数和Dice分数上均达到了75.0%的像素级识别率，证明了其在检测细弱水面线特征方面的可靠性。空间和时间质量控制机制的整合进一步提高了水面线跟踪的稳定性，并减少了误检现象。通过比较冲刷区内不同横截面的波浪序列得到的波浪周期，在与海上数据浮标观测结果进行上下文对比时，显示出空间上的一致性和质量上的稳定性；而定量差异则反映了近岸波浪动态的变化。这些结果证实了所提出框架在高分辨率近岸波浪监测中的可行性和有效性。