[发明专利]一种基于无人机的水坝周边异常监测方法与装置

说明书

本发明公开了一种基于无人机的水坝周边异常监测方法与装置，属于图像处理技术领域。该装置包括无人机无人值守前端设备、远程控制中心、通讯网络、数据处理模块、算法模块和处理中心。首先无人机搭载高清摄像装置飞行，采集指定位置图像并进行分类整理；将每类图像数据分别划分为训练集和测试集，并对训练集进行预处理，然后进行卷积神经网络的多尺度融合，得到分类结果。对每类测试集的最终分类结果，标记异常位置的特征点，再次划分训练集和测试集。对标记特征点的训练集图像进行分类模型的训练；将测试集输入分类模型中，对每个图像中各个特征点进行异常情况的定位。本发明提高了分类精度和定位精度，解决了人工巡检的方法费时费力的问题。

技术领域

本发明属于图像处理技术领域，具体是一种基于无人机的水坝周边异常监测方法与装置。

背景技术

当前，水坝建设已成为国家发展战略中举足轻重的一环；水坝的安全运行为国家发展提供了保障，更为人民生活提供了便利。在水坝巡检工作中，常用的方法是人工巡检，通过肉眼观察、敲击听声以及脚踩等传统方法，或辅以锤、钎以及钢卷尺等简单工具对工程表面和异常现象进行检查量测，从而去判断水坝是否出现异常情况；日常巡查检查次数正常为每周一次，特殊情况时，如发生特大暴雨、洪水、有感地震，发生险情后会24小时不间断地检查。发生比较严重的破坏现象或出现其他危险迹象时，会有专门人员对可能出现险情的部位进行连续监视观测。

然而，人工巡检的方法费时费力，而且很大程度上依赖于经验判断，并不准确。因此，有人提出，通过无人机实现基于空基的自主监视，对水坝异常情况进行巡检。无人机可通过携带的摄像头采集水坝的图像数据，并运用计算机视觉的技术进行智能分析与处理，对坝体、坝基、坝肩、泄洪设施及其闸门，以及对大坝安全有重大影响的近坝区岸坡和其他与大坝安全有直接关系的建筑物和设施，进行判断从而实现自主巡检。

由于无人机拍摄角度和飞行高度不同，采集的水坝周边异常情况的图片数据具有多尺度和多视角问题，造成分类困难，并且由于水坝异常情况通常出现在图片中很小的位置，如迎水面护坡块石有否移动、凹陷或突鼓等问题，造成异常情况定位困难。

发明内容

本发明结合现有技术存在的缺陷，基于深度学习上的多尺度融合的图像分类和定位方法，针对现有水坝异常情况分类和定位方法中因存在多尺度和多视角信息，而导致分类精度不高的问题，和因异常情况通常出现在图片中很小的位置而导致定位困难的问题，提出了一种基于无人机的水坝周边异常监测方法与装置；

所述的水坝周边异常监测方法，具体步骤如下：

步骤一、无人机搭载高清摄像装置，按特定轨迹和特定高度飞行，对水坝进行巡检，采集指定位置图像，并对采集的图像按照水坝异常情况分类整理；

分类包括：迎水面大坝附近水面有否旋涡为一个类别，大坝附近及溢洪道两侧山体岩石有否错动或出现新裂缝为一个类别，进水段有无坍塌、崩岸、淤堵为一个类别，近水面有无冒泡、变浑为一个类别，溢洪道有无冲刷或砂石、杂物堆积为一个类别，坝趾近区有无阴湿、渗水为一个类别等等，依次进行分类整理数据。

步骤二、将分类好的每类图像数据分别划分为训练集和测试集，并对训练集进行预处理；

选分类好的图像数据中80％做训练集，20％做测试集。

预处理包括：通过旋转从已有数据中创造出新的训练集。

旋转变换(Rotation)是指：将训练集中的每张图像都随机旋转一定的角度，保留旋转前和旋转后的图片，将数据集扩大2倍。

步骤三、针对每类预处理后的训练集图像，利用VGG网络进行卷积神经网络的多尺度融合，训练分类模型并将该类的测试集输入分类模型得到分类结果。

VGG网络包含十六个卷积层，十六个池化层，三个全连接层和一个softmax层；每个卷积层后面分别连接一个池化层。