摘要
本发明涉及图像识别技术领域,具体涉及一种基于倾斜摄影技术的边坡高危石块识别方法,包括以下步骤:S1,三维建模与数据采集:利用SFM‑MVS算法生成厘米级精度的三维网格模型,刻画岩体结构与石块分布特征;S2,深度学习模型构建与训练:对改进的YOLOv11模型进行训练,并评估改进的YOLOv11模型的识别精度;S3,实时检测与风险处置:划分风险等级,根据风险等级进行对应的风险处置,并对风险处置的结果与现场监测数据进行反馈,构建闭环系统以优化模型与响应效率。本发明,实现了边坡高危石块的高效识别、风险分级处置与闭环反馈,大幅提升了施工期边坡监测的智能化水平与安全响应效率。
技术关键词
倾斜摄影技术
识别方法
三维网格模型
风险
现场监测数据
航拍路径
深度学习模型
岩体结构
融合多尺度特征
分布特征
特征提取能力
地面控制点
图像识别技术
特征提取网络
裂纹特征
边坡监测
瓶颈结构
分类阈值
系统为您推荐了相关专利信息
台区线损率异常诊断方法
孤立森林算法
动态时间规整
滑动窗口
模糊C均值
交互特征
预后预测方法
预后预测模型
多区域
鼻咽癌患者
滑坡敏感性评估方法
梯度提升决策树
时序预测模型
随机森林
高风险
重型车辆
桥梁挠度
位移检测装置
车辆参数识别
识别方法
阻抗谱信息
培养基
频率扫描技术
反馈给控制系统
调度优化模型