2026年 04期

摘要(Abstract)：

针对矿区重金属污染空间异质性与边界模糊性导致的监测难题，提出一种融合多尺度深度学习与神经模糊推理的矿区重金属污染监测模型。设计双分支卷积神经网络架构，高分辨率分支通过浅层卷积提取矿物纹理等细粒度特征，低分辨率分支结合残差模块与空间金字塔池化提取地形、植被等宏观环境特征，并构建跨层特征态融合机制实现局部-全局语义的协同表达；引入改进型高斯隶属函数与模糊规则构建神经模糊推理模块，通过可学习的形状因子增强污染边界的模糊隶属度表征能力，结合自适应规则激活策略进行不确定性污染等级判定；基于多源遥感数据集验证所提模型的性能。结果表明，通过多尺度特征建模与可解释模糊推理的协同优化，所提模型的分类准确率、F₁指数、神经元覆盖率分别达到89.7%、85.3%、85.4%，显著优于传统单尺度ResNet-50模型、U-Net++模型等基准方法，有效解决复杂场景中污染扩散趋势解析与模糊边界判定的耦合问题。

关键词(KeyWords)：重金属污染监测; 多尺度深度学习; 神经模糊推理; 跨层特征融合

基金项目(Foundation):国家自然科学基金项目(12465023)，2024 年度校级科研项目“基于指数评价和源解析的废弃矿区土壤重金属 GIS 空间建模研究”

(2024YB111)，2024 年度中国边疆学科研项目“桂西南边疆民族地区稀土矿资源环境治理研究”(2024ZGBJX031)。

作者(Author):黄春霞，顾华宁，刘敏，杜金芳，丁文波

DOI:10.13349/j.cnki.jdxbn.20260604.002

参考文献(References)：

[1] 陈科圻, 朱志亮, 邓小明, 等. 多尺度目标检测的深度学习研究综述[J]. 软件学报, 2021, 32(4): 1201.

[2] 曾祥津, 刘耿焕, 陈建明, 等. 基于多尺度分层残差网络的光学遥感图像微小目标检测[J]. 光子学报, 2024, 53(8): 254.

[3] 杨焜, 王宏伟, 张夫净, 等. 多尺度复杂环境下的锚孔定位方法[J]. 矿业研究与开发, 2025, 45(1): 126.

[4] Huang Tangsen, Yin Haibing, HUang Xingru. Deep learning and multiscale analysis for epithelial-mesenchyme segmentation and classification in breast cancer histological images[J]. Signal, Image and Video Processing, 2024, 18: 7741.

[5] 林泊锟, 丁勇, 李登华. 一种基于深度学习与图像局部特征提取的边坡异常监测技术[J]. 测绘通报, 2024(4): 23.

[6] Elizar E, Muharar R, Zulkifley M A. DeSPPNet: a multiscale deep learning model for cardiac segmentation [J]. Diagnostics, 2024, 14(24): 2820.

[7] Jiang Zhihong, Xue Yongrui, Zhao Yan, et al. Multi-scale deep learning and clustering-based tabletop object instance segmentation for robot manipulation[J]. International Journal of Advanced Robotic Systems, 2024, 21(5): 1124.

[8] 何启琛, 何蕾. 注意力机制下的多尺度图像超分辨率重建[J]. 合肥工业大学学报(自然科学版), 2024, 47(9): 1255.

[9] 游姗, 胡其志, 张洁, 等. 基于自适应神经模糊推理的竖向地震动参数预测模型[J]. 大地测量与地球动力学, 2023, 43(5):517.

[10] 王登峰, 李英, 杨琦, 等. 基于自适应神经模糊推理系统的智能电表大数据分析研究[J]. 电子器件, 2022, 45 (3):727.

[11] 白仲航, 项钲, 谭昭芸, 等. 自适应神经模糊推理系统优化的快速上肢评估方法[J]. 计算机集成制造系统, 2024, 30(5): 1643.

[12] Dubchak L, Sachenko A, Bodyanskiy Y, et al. Adaptive neurofuzzy system for detection of wind turbine blade defects[J]. Energies, 2024, 17(24): 6456.

[13] Zhao Xin, Xie Liping, Wei Haikun, et al. Fuzzy inference systems based on multi-type features fusion for intra-hour solar irradiance forecasts[J]. Sustainable Energy Technologies and Assessments, 2021, 45: 101061.

[14] Kuok K, Liu Xuan, Ye Jinwei, et al. GDE-pose: a real-time adaptive compression and multi-scale dynamic feature fusion approach for pose estimation[J]. Electronics, 2024, 13(23): 4837.

[15] 常青, 郑世祺, 邓宇书, 等. 基于改进 ResNet50 和迁移学习的竹片表面缺陷检测方法[J]. 控制与决策, 2025, 40(2):432.

[16] 韩建峰, 张静, 宋丽丽, 等. 改进 U-Net 的无人机航拍路面破损检测方法[J]. 电子测量技术, 2024, 47(19): 137.

[17] 刘耀, 焦双健. ST-GCN 在建筑工人不安全动作识别中的应用[J]. 中国安全科学学报, 2022, 32(4): 30.