[发明专利]一种地质滑坡的识别方法和系统在审
| 申请号： | 202210634924.1 | 申请日： | 2022-06-06 |
| 公开（公告）号： | CN115019232A | 公开（公告）日： | 2022-09-06 |
| 发明（设计）人： | 赵云峰;姜有文;李荣光;王巨洪;王禹钦 | 申请（专利权）人： | 国家石油天然气管网集团有限公司;国家管网集团北方管道有限责任公司 |
| 主分类号： | G06V20/40 | 分类号： | G06V20/40;G06N3/04;G06N3/08;G06V10/25;G06V10/764;G06V10/774;G06V10/82;G06V20/10;G08B21/10 |
| 代理公司： | 北京轻创知识产权代理有限公司 11212 | 代理人： | 陈熙 |
| 地址： | 100013 北京市朝*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 地质 滑坡 识别 方法 系统 | ||
1.一种地质滑坡的识别方法，其特征在于，包括：
获取待检测的斜坡现场视频流；
通过训练后的改进深度学习识别模型对所述斜坡现场视频流的彩色横条进行实时检测；
当检测到所述彩色横条发生移动时，且超过预设阈值，则记录当前时刻并推送报警。
2.根据权利要求1所述的一种地质滑坡的识别方法，其特征在于，还包括:
在已有YOLOv5模型的BackBone网络中增加注意力机制；
在已有YOLOv5模型的Focus结构中加入SE注意力模块，
在已有YOLOv5模型的Neck网络层加入GHOST模块，获得改进深度学习识别模型。
3.根据权利要求1或2所述的一种地质滑坡的识别方法，其特征在于，还包括：根据图像训练集对所述改进深度学习识别模型进行训练获得训练后的改进深度学习识别模型。
4.根据权利要求3所述的一种地质滑坡的识别方法，其特征在于，还包括：
采集包括标记有彩色横条的地质斜坡地段的图像数据；
对所述图像数据中不同位置的包括彩色横条的图像进行目标框标注，获得标注后的图像数据；
对标注后的图像数据进行图像增强处理，获得图像训练集。
5.根据权利要求1或2所述的一种地质滑坡的识别方法，其特征在于，所述检测到所述彩色横条发生移动，具体包括：
当检测过程中，识别到包括彩色横条的预设类型目标框；
将所述预设类型目标框与上一帧的预设类型目标框进行重合度匹配；
当所述重合度匹配高于预设范围值，则检测到所述彩色横条发生移动。
6.一种地质滑坡的识别系统，其特征在于，包括：视频获取模块、实时检测模块和告警模块；
所述视频获取模块用于获取待检测的斜坡现场视频流；
所述实时检测模块用于通过训练后的改进深度学习识别模型对所述斜坡现场视频流的彩色横条进行实时检测；
所述告警模块用于当检测到所述彩色横条发生移动时，且超过预设阈值，则记录当前时刻并推送报警。
7.根据权利要求6所述的一种地质滑坡的识别系统，其特征在于，还包括：模型改进模块，用于在已有YOLOv5模型的BackBone网络中增加注意力机制；
在已有YOLOv5模型的Focus结构中加入SE注意力模块，
在已有YOLOv5模型的Neck网络层加入GHOST模块，获得改进深度学习识别模型。
8.根据权利要求6或7所述的一种地质滑坡的识别系统，其特征在于，还包括：训练模块，用于根据图像训练集对所述改进深度学习识别模型进行训练获得训练后的改进深度学习识别模型。
9.根据权利要求8所述的一种地质滑坡的识别系统，其特征在于，还包括：训练集获取模块，用于采集包括标记有彩色横条的地质斜坡地段的图像数据；
对所述图像数据中不同位置的包括彩色横条的图像进行目标框标注，获得标注后的图像数据；
对标注后的图像数据进行图像增强处理，获得图像训练集。
10.根据权利要求6或7所述的一种地质滑坡的识别系统，其特征在于，所述告警模块具体用于，当检测过程中，识别到包括彩色横条的预设类型目标框；
将所述预设类型目标框与上一帧的预设类型目标框进行重合度匹配；
当所述重合度匹配高于预设范围值，则检测到所述彩色横条发生移动。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国家石油天然气管网集团有限公司;国家管网集团北方管道有限责任公司，未经国家石油天然气管网集团有限公司;国家管网集团北方管道有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210634924.1/1.html，转载请声明来源钻瓜专利网。
