来源：期刊VIP网 时间：
作者：黄继磊;姚淑雯;王家耀;白杨;
单位：河南财经政法大学城乡规划学院;河南大学遥感与空间信息工程学院;河南大学河南省时空大数据产业技术研究院;
摘要：针对现有的以YOLO系列深度学习目标提取模型为代表的遥感影像地物提取方法通常面临特征信息量偏少、小目标提取能力弱、提取精度偏低等问题，在YOLOv8基础模型之上，通过引入了MLCA和MSDA注意力机制以及改进YOLOv8模型框架，以增加特征提取信息量，丰富提取特征图；通过重参数化改进检测头，提升检测精度以满足快速精准识别矿库信息需求。以马鞍山市矿山尾矿库影像为基础构建的多源矿库目标检测数据集的训练与测试结果表明，矿库目标的mAP达到87.6%,预测铜陵地区矿山尾矿库总体精度达86.8%。改进模型大幅提升了矿库目标智能识别与提取的精度，为矿库的科学管理提供一种技术参考。
关键词：深度学习;;YOLOv8;;注意力机制;;重参数化;;矿库识别;;生态修复
基金资助：国家自然科学基金联合基金项目(U21A2014);; 河南省科技攻关项目(232102321032,242102321173);; 河南财经政法大学校级研究课题项目(2022031)
