科研進展
堤防險情隱患智能巡檢研究獲新進展
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)條件復雜、植被覆蓋或極端天氣難以及時發(fā)現(xiàn)，導致潰堤風險。傳統(tǒng)人工巡檢效率低且存在風險，現(xiàn)有地球物理探測技術(shù)成本高、實時性較差。近年來，無人機與人工智能技術(shù)的結(jié)合為堤防智能化巡檢開辟了新路徑，但對復雜自然場景下的適用性仍面臨挑戰(zhàn)。
中國科學院西北生態(tài)環(huán)境資源研究院甘肅省災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熱紅外成像與深度學習的堤防險情隱患高效檢測方法，實現(xiàn)從傳統(tǒng)人工巡檢到智能無人機巡檢的跨越，并成功實現(xiàn)實時邊緣計算應(yīng)用，為防洪減災提供了創(chuàng)新技術(shù)方案。
研究團隊針對堤防滲漏、管涌災害的隱蔽性和隨機性，提出了“空-天-地”協(xié)同的智能巡檢體系。通過模擬實驗構(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，實現(xiàn)了滲漏區(qū)域的精準分割與分類，平均檢測精度達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。進一步優(yōu)化實時檢測能力，通過104次野外實驗構(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92.7%和70.4%，結(jié)合邊緣計算技術(shù)，實現(xiàn)無人機端實時處理與預警。
此外，研究還驗證了模型在暴雨、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。二是高效實時性。邊緣計算使無人機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“機巡”的轉(zhuǎn)型，大幅降低人力成本與安全風險，推動了防汛作業(yè)智能化。
以上研究系統(tǒng)揭示了復雜自然環(huán)境下堤防險情隱患的熱力學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應(yīng)用，參與了2024年應(yīng)急安全裝備區(qū)域行等實戰(zhàn)演練。未來，研究團隊將推動技術(shù)在實際防汛中的規(guī)模化應(yīng)用，并與激光雷達、光纖傳感等多源數(shù)據(jù)融合，進一步提升災害預警能力。
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. 無人機巡檢堤防險情隱患
圖2. 堤防險情隱患實驗區(qū)域
圖3. 不同場景下堤防險情檢測
圖4. 無人機集成邊緣計算套件實時智能巡檢
