[发明专利]一种地质滑坡的识别方法和系统

说明书

本发明公开了一种地质滑坡的识别方法和系统，涉及地质滑坡识别领域。该方法包括：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，可对于地质滑坡的情况进行实时报警，实现了视频智能监测地质滑坡的精确端到端的监测，降低安全风险。

技术领域

本发明涉及地质滑坡识别领域，尤其涉及一种地质滑坡的识别方法和系统。

背景技术

在埋地管道经过山坡的地段，由于雨水冲刷，如果地质条件较脆弱，往往会引起地质滑坡等灾害，导致管道被冲出甚至折断，产生危害。因此需要及时观测到滑坡的地质灾害以避免管道受滑坡地灾影响。

目前监测地灾的方法是使用GNSS卫星监测，布置一个基准点，两个监测点，依据点位的传输时间差距来实时监测滑坡地质灾害，当山坡有移动时，会带动监测点位移动，传输时间就有差距，可实时监测到滑坡现象。这种监测方式需要布置多个点位，而且不能实时看到现场情况。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种地质滑坡的识别方法和系统。

本发明解决上述技术问题的技术方案如下：

一种地质滑坡的识别方法，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。

本发明的有益效果是：本方案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，可对于地质滑坡的情况进行实时报警，实现了视频智能监测地质滑坡的精确端到端的监测，降低安全风险。可以在埋地管道地质灾害易发区开展视频智能识别地质滑坡灾害，提前发出预警信息，实现智能化安全管控。

进一步地，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。

采用上述进一步方案的有益效果是：本方案通过改进后的yolov5模型，能够更好的检测图像中的小目标，提升定位准确度，也提高了处理速度。

进一步地，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。

采用上述进一步方案的有益效果是：本方案结合深度学习的卷积神经网络模型优势，将卷积神经网络应用于视频识别检测土壤滑坡的场景中，来达到高精度实时检测的能力。

进一步地，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。

采用上述进一步方案的有益效果是：对包括彩色横条的图像进行目标框标注，通过标注后的数据对模型训练，有效提高模型对地质滑坡灾害识别的精度。

进一步地，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；