【青年学者说】泥石流视频图像跟踪检测方法研究

本文研究了基于YOLOv8框架的改进模型YOLOv8m-GCSlide在泥石流视频图像跟踪检测中的应用。研究背景指出泥石流作为一种破坏性极强的地质灾害，传统监测手段存在实时性差、误报率高的问题。研究目的是通过深度学习模型实现对泥石流的实时识别与预警。研究团队构建了多源视频数据集，并改进了YOLOv8模型，包括集成全局注意力机制特征提取模块、设计滑动损失函数和采用知识蒸馏技术。实验验证表明，改进后的模型在雅鲁藏布江下游色东普沟的实测视频中表现出高灵敏度和实时性，精确率为85.4%，推理平均帧率达240.6 FPS，为泥石流灾害的早期预警与应急响应提供了可靠的技术支撑。