科研進(jìn)展
堤防險情隱患智能巡檢研究獲新進(jìn)展
堤防是抵御洪水的關(guān)鍵屏障，但滲漏、管涌等險情隱患常因地質(zhì)條件復(fù)雜、植被覆蓋或極端天氣難以及時發(fā)現(xiàn)，導(dǎo)致潰堤風(fēng)險。傳統(tǒng)人工巡檢效率低且存在風(fēng)險，現(xiàn)有地球物理探測技術(shù)成本高、實(shí)時性較差。近年來，無人機(jī)與人工智能技術(shù)的結(jié)合為堤防智能化巡檢開辟了新路徑，但對復(fù)雜自然場景下的適用性仍面臨挑戰(zhàn)。
中國科學(xué)院西北生態(tài)環(huán)境資源研究院甘肅省災(zāi)害防治智能裝備及大數(shù)據(jù)行業(yè)技術(shù)中心提出基于無人機(jī)熱紅外成像與深度學(xué)習(xí)的堤防險情隱患高效檢測方法，實(shí)現(xiàn)從傳統(tǒng)人工巡檢到智能無人機(jī)巡檢的跨越，并成功實(shí)現(xiàn)實(shí)時邊緣計(jì)算應(yīng)用，為防洪減災(zāi)提供了創(chuàng)新技術(shù)方案。
研究團(tuán)隊(duì)針對堤防滲漏、管涌災(zāi)害的隱蔽性和隨機(jī)性，提出了“空-天-地”協(xié)同的智能巡檢體系。通過模擬實(shí)驗(yàn)構(gòu)建了包含5995張熱紅外圖像的堤防滲漏數(shù)據(jù)集，涵蓋晴雨晝夜、不同植被覆蓋及地形場景。基于Mask R-CNN模型，實(shí)現(xiàn)了滲漏區(qū)域的精準(zhǔn)分割與分類，平均檢測精度達(dá)97.7%，單張圖像處理僅需0.015秒。
研究還引入Eigen-CAM可視化技術(shù)，揭示模型決策依據(jù)，提升可信度。進(jìn)一步優(yōu)化實(shí)時檢測能力，通過104次野外實(shí)驗(yàn)構(gòu)建多源數(shù)據(jù)集，并開發(fā)基于YOLOv5的輕量化模型。該模型在熱紅外和可見光圖像中的檢測精度分別達(dá)92.7%和70.4%，結(jié)合邊緣計(jì)算技術(shù)，實(shí)現(xiàn)無人機(jī)端實(shí)時處理與預(yù)警。
此外，研究還驗(yàn)證了模型在暴雨、夜間及植被遮擋場景下的魯棒性，為全天候監(jiān)測提供支撐。其突出優(yōu)勢表現(xiàn)為：一是全天候適應(yīng)性。熱紅外成像突破可見光局限，可探測植被或水體下隱蔽險情隱患，夜間及雨天仍保持高精度。二是高效實(shí)時性。邊緣計(jì)算使無人機(jī)在飛行中即時分析數(shù)據(jù)，減少數(shù)據(jù)傳輸延遲，顯著提升了應(yīng)急響應(yīng)速度。三是場景普適性。模型在長江、淮河、鄱陽湖等不同地質(zhì)條件的堤防段均表現(xiàn)優(yōu)異，具備大范圍推廣的潛力。四是模式革新從“人巡”到“機(jī)巡”的轉(zhuǎn)型，大幅降低人力成本與安全風(fēng)險，推動了防汛作業(yè)智能化。
以上研究系統(tǒng)揭示了復(fù)雜自然環(huán)境下堤防險情隱患的熱力學(xué)特征與檢測邊界條件，構(gòu)建了從數(shù)據(jù)采集到智能分析的完整技術(shù)鏈。相關(guān)技術(shù)已在長江中下游部分堤防試點(diǎn)應(yīng)用，參與了2024年應(yīng)急安全裝備區(qū)域行等實(shí)戰(zhàn)演練。未來，研究團(tuán)隊(duì)將推動技術(shù)在實(shí)際防汛中的規(guī)模化應(yīng)用，并與激光雷達(dá)、光纖傳感等多源數(shù)據(jù)融合，進(jìn)一步提升災(zāi)害預(yù)警能力。
相關(guān)成果分別在International Journal of Disaster Risk Reduction和Water Resources Research期刊發(fā)表，西北研究院博士生陳白麗和段群滔分別為論文第一作者，羅立輝正高級工程師為論文通訊作者。該研究得到了應(yīng)急管理部揭榜攻關(guān)等項(xiàng)目的支持。
論文鏈接：?
1. https://doi.org/10.1016/j.ijdrr.2024.104982??
2. https://doi.org/10.1029/2024WR038931??
圖1. 無人機(jī)巡檢堤防險情隱患
圖2. 堤防險情隱患實(shí)驗(yàn)區(qū)域
圖3. 不同場景下堤防險情檢測
圖4. 無人機(jī)集成邊緣計(jì)算套件實(shí)時智能巡檢
