摘要: 水电站建设与运营过程中滑坡灾害频发，为了保证工程安全，需要对滑坡进行快速准确识别以及治理。随着计算机技术的发展，以数据为驱动的滑坡自动识别技术逐渐成熟并成为一种主流的识别手段，但水库滑坡样本数量不足，难以满足模型训练的要求。为此，利用迁移学习方法对水库滑坡进行自动识别研究，以解决水库地质灾害自动识别样本数据不足的问题。首先基于Google Earth影像建立了包含4 579处历史滑坡样本的数据库，随后采用SOLO v2算法训练识别模型，并将其迁移应用于乌东德水电工程边坡灾害识别。研究表明：SOLO v2方法具有稳健性，可用于水电工程滑坡识别，识别精度AP为18.26，AP50为29.8；库区滑坡主要分布于河流拐角处，其点密度和面积密度分别达9.33个/km²和1.43%，这与河流拐角的水流侵蚀作用密切相关。研究成果可为快速、准确的水库地质灾害调查提供参考。