摘要
基于无人机与机器视觉技术的边坡病害识别的方法及装置,包括搭载高分辨率摄像头的无人机,在预设飞行路径上对边坡区域进行多角度影像采集;对图像进行预处理、进行特征提取与图像增强;结合改进的YOLOv8‑seg实例分割算法对病害特征进行识别和分类,涵盖裂缝、滑坡、崩塌等边坡病害;基于识别结果利用规则模型或多因素分析方法量化边坡病害的风险等级;采用长短时记忆网络(LSTM)对采集到的病害时序图像进行动态变化预测,预测病害的发展趋势和潜在失稳时间。基于无人机采集的影像数据,对边坡病害进行实时监测和动态分析,及时发现潜在的隐患区域,能够精准识别病害特征,避免了传统方法中人为判断可能导致的主观误差。
技术关键词
机器视觉技术
边坡
病害特征
高分辨率摄像头
实例分割算法
非易失性存储介质
计算机可读指令
裂缝
高精度数字高程模型
风险
图像增强
影像
无人机多角度
向量计算方法
时序分析模块
飞行路径规划
无人机摄像头
生成点云数据
迁移学习技术
系统为您推荐了相关专利信息
填方工程
边坡
工程三维模型
人机交互方式
露天矿山
暖通空调系统
构建时间序列模型
空调供热系统
生成时间序列数据
状态空间模型
情感识别方法
注意力
特征提取模块
情感识别模型
梯田