无人机多源光谱多模态融合与深度学习驱动的水体污染精细化监测方法研究

谢浩然宋嘉欣王婧瑶张鋆垚王一鸣

山西工程技术学院山西阳泉 045097

摘要：复杂水体污染具有空间异质性强、局部异常尺度小等特征，点位监测难以连续表征污染状态。面向精细化监测需求，构建无人机多源光谱多模态融合与深度学习协同方法，对高光谱、多光谱、可见光及点云数据实施校正配准，经像素级、特征级和决策级融合后，结合实测水质样本开展参数反演，采用ResNet和YOLO-V5s识别污染区域及表层目标。实验结果显示，多模态融合误差率由约12.9%降至约8.7%，空间分辨率提升约30%，综合检测准确率达到98.5%，表明该方法能够增强污染空间表达与目标定位能力，为水体异常筛查和定点复核提供技术依据。