一种基于红外局部增温效应的露天边坡滑坡体识别及预警系统和方法

本发明公开了一种基于红外局部增温效应的露天边坡滑坡体识别及预警系统和方法，包括：通过红外热像仪进行非接触式监测，结合深度学习的U‑Net网络、VGG网络和Adam算法，基于红外热像图中的局部增温特征，智能识别露天边坡滑坡体。具体而言，本发明首先利用红外热像图采集增温数据，并通过图像处理技术进行数据清洗与边坡区域圈定。然后，使用深度学习模型进行红外局部增温智能辨识，从中提取出滑坡体活动区域。最后，结合地质、气象等数据，进行综合分析与风险评估，发出滑坡预警信号。本发明能够实现高精度的滑坡体识别，mPA值为94.37％，mIoU值为89.21％，有效提升了滑坡监测的准确性与实时性，具有广泛的应用前景，特别适用于露天矿区和高危边坡的滑坡灾害防治。