点击次数：
摘要：随着全球能源需求的增长，油气设施的高效监测与管理成为资源开发的重要课题。传统的人工检测方法效率低且成本高昂，难以满足大规模油气田的监控需求。近年来，遥感技术与深度学习的结合为目标检测提供了新的解决方案。本研究基于高分辨率遥感影像与深度学习技术，提出了一种深度学习模型，用于塔里木油气田油气设施的智能识别与标注。通过融合Focal Loss损失函数，解决了类别不均衡问题，优化了模型对井场、场站及疑似油气设施的检测性能。实验结果表明，模型在测试集上的平均精度（AP）分别为井场0.872、场站0.9、疑似油气设施0.808，综合识别准确率达90%以上。研究构建的21万张影像切片影像集及3850个地理矢量点成果，为油气设施管理提供了高精度、低成本的解决方案，显著提升了监测效率。
是否译文：否