系统工程与电子技术

作者：于营(), 王春平, 徐金辉, 吕述杭, 付强*, 陈明

单位：1. 中国人民解放军陆军工程大学石家庄校区，河北 石家庄 050003；2. 三亚学院容淳铭院士工作站，海南 三亚 572022；3. 清华大学集成电路学院，北京 100084

关键词：山体滑坡,目标检测,VanillaNet,动态检测头,全局通道剪枝

基金：海南省院士创新平台专项（YSPTZX202145）；海南省自然科学基金（622RC733）资助课题

山体滑坡实时检测对于减少人员伤亡和财产损失至关重要。为了解决传统图像识别方法在滑坡监测中的时间滞后和误判问题，构建了一个多域数据集，以增强对山体滑坡和沙尘暴视觉特征的理解，并提出一种剪枝和增强的山体滑坡自动检测模型。该模型基于改进的VanillaNet网络，结合动态多头注意力检测模块，显著提高了山体滑坡场景的视觉感知能力。此外，采用基于性能感知近似的全局通道剪枝（performance-aware approximation of global channel pruning，PAGCP）算法对该模型进行了压缩，以适应嵌入式部署。实验结果表明，所提出的模型在达到实时检测的前提下，显著提高了山体滑坡场景检测的准确性，对山体滑坡自然灾害监测与预警具有参考价值。

来源：2025年第8期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第8期