[發明專利]一種坡體裂縫識別方法、系統、設備以及存儲介質

在審

• 申請號: 202210103115.8
• 申請日: 2022-01-27
• 公開（公告）號: CN114511788A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 甘雨;楊世忠;趙星宇;賀云飛
• 申請（專利權）人: 湖南北斗微芯產業發展有限公司
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 王浩

本發明公開了一種坡體裂縫識別方法、系統、設備以及存儲介質，包括：獲取目標地區的高光譜遙感圖像、近紅外遙感圖像和可見光圖像；構建裂縫分類識別網絡模型，將高光譜遙感圖像、近紅外遙感圖像和可見光圖像作為訓練集對裂縫分類識別網絡模型進行訓練，直至得到裂縫分類識別網絡模型的最優權重；將待識別圖像輸入至裂縫分類識別網絡模型中，得到待識別圖像中裂縫的識別結果。高光譜和近紅外圖像在全波段具備更為豐富的光譜信息，可以反映裂縫更為細微的物理特征。本方法同時通過高光譜遙感圖像、近紅外遙感圖像和可見光圖像對裂縫分類識別網絡模型進行訓練，使得裂縫分類識別網絡模型能夠提取更為豐富的特征，從而提高模型的分類識別精度。

技術領域

本發明涉及滑坡防護技術領域，特別涉及一種坡體裂縫識別方法、系統、設備以及存儲介質。

背景技術

山體滑坡是在重力影響下由于土壤巖石及植物內在阻力減少(往往體現為滑動、松動、崩塌和流失)而帶來的特定復雜形式的坡體運動，自然界發生最頻繁的地質災害。近年來，由于城市群的擴張和氣候變化帶來的極端天氣事件頻發，地表質量損失/移動情況呈上升趨勢，滑坡災害頻發，因此如何對滑坡災害進行有效地監測十分重要。

裂縫是坡體產生滑坡現象的前兆特征，所以準確監控坡體裂縫對滑坡災害的預防有著重要作用。傳統方案是進行人工勘察，但這種方案的效率較低，而且具有一定危險性?，F有方案利用神經網絡和圖像進行坡體裂縫識別，相較于人工勘察，能提高效率，但現有方案的輸入圖像較為單一，通常為CCD相機采集的可見光圖像，特征不明顯，導致神經網絡模型對裂縫的分類識別準確度不高。

發明內容

本發明旨在至少解決現有技術中存在的技術問題。為此，本發明提出一種坡體裂縫識別方法、系統、設備以及存儲介質，能夠提高模型的分類識別精度。

本發明的第一方面，提供了一種坡體裂縫識別方法，包括如下步驟：

獲取目標地區的高光譜遙感圖像、近紅外遙感圖像和可見光圖像；

構建裂縫分類識別網絡模型，將所述高光譜遙感圖像、所述近紅外遙感圖像和所述可見光圖像作為訓練集對所述裂縫分類識別網絡模型進行訓練，直至得到所述裂縫分類識別網絡模型的最優權重；

將待識別圖像輸入至所述裂縫分類識別網絡模型中，得到所述待識別圖像中裂縫的識別結果。

根據本發明的實施例，至少具有如下技術效果：

高光譜和近紅外圖像在全波段具備更為豐富的光譜信息，可以反映裂縫更為細微的物理特征。本方法同時通過高光譜遙感圖像、近紅外遙感圖像和可見光圖像對裂縫分類識別網絡模型進行訓練，使得裂縫分類識別網絡模型能夠提取更為豐富的特征，從而提高模型的分類識別精度。

根據本發明的一些實施例，所述裂縫分類識別網絡模型包括第一卷積神經網絡、第二卷積神經網絡、第三卷積神經網絡、拼接層和全連接層，

其中，所述第一卷積神經網絡、所述第二卷積神經網絡和所述第三卷積神經網絡為不同的卷積神經網絡，所述將所述高光譜遙感圖像、所述近紅外遙感圖像和所述可見光圖像作為訓練集對所述裂縫分類識別網絡模型進行訓練，包括：

將多張所述高光譜遙感圖像、所述近紅外遙感圖像和所述可見光圖像分別輸入至所述第一卷積神經網絡、所述第二卷積神經網絡和所述第三卷積神經網絡中，得到所述第一卷積神經網絡提取的所述高光譜遙感圖像對應的第一圖像特征、所述近紅外遙感圖像對應的第二圖像特征和所述可見光圖像對應的第三圖像特征；以及所述第二卷積神經網絡提取的所述高光譜遙感圖像對應的第四圖像特征、所述近紅外遙感圖像對應的第五圖像特征和所述可見光圖像對應的第六圖像特征；以及所述第三卷積神經網絡提取的所述高光譜遙感圖像對應的第七圖像特征、所述近紅外遙感圖像對應的第八圖像特征和所述可見光圖像對應的第九圖像特征；