本發(fā)明屬于地質(zhì)災(zāi)害監(jiān)測預警，特別是涉及一種基于無人機機場的變形體裂縫自動監(jiān)測與預警方法。

背景技術(shù)：

1、變形體是西部高山峽谷地區(qū)一種廣泛分布的地質(zhì)災(zāi)害體類型，對水電站等工程安全運行存在不同程度的影響；電站運行管理中，除了采用儀器監(jiān)測等手段，對變形體進行定期巡檢也是地質(zhì)災(zāi)害日常運行管理的重要工作。傳統(tǒng)的巡檢主要依靠人工排查，在高山峽谷地區(qū)存在安全風險大、人員到達困難等難題；此外，對變形體的巡檢方法主要是觀察變形體上裂縫的變化情況，也存在主觀因素影響大，難以全面準確掌握裂縫的實際變化情況；現(xiàn)有技術(shù)中存在通過無人機拍攝照片或視頻的方式來采集影像數(shù)據(jù)，然后通過人工進行判斷評定的方法，由于無人機拍攝數(shù)據(jù)直接獲取的圖像視頻影像數(shù)據(jù)存在清晰度、分辨率不一導致人工判斷準確性查的問題，且無人機飛行過程中飛行采集路徑混亂，拍攝檢測存在大量遺漏區(qū)域和死角區(qū)域；因此，需要設(shè)計一種基于無人機機場的變形體裂縫自動監(jiān)測與預警方法來解決上述問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是提供一種基于無人機機場的變形體裂縫自動監(jiān)測與預警方法，該方法旨在解決現(xiàn)有技術(shù)針對變形體裂縫巡檢效率不高、效果不佳、人力成本大的問題，實現(xiàn)全自動化的巡檢作業(yè)與異常預警。

2、為實現(xiàn)上述技術(shù)效果，本發(fā)明所采用的技術(shù)方案是：

3、一種基于無人機機場的變形體裂縫自動監(jiān)測與預警方法，包括以下步驟：

4、s1，裂縫初始特征值解譯：

5、對變形體采用貼近攝影方式進行航拍，建立變形體的高精度三維實景模型及三維點云模型；

6、基于模型進行地質(zhì)災(zāi)害解譯，確定需要巡檢的裂縫，讀取裂縫特征值；

7、s2，巡檢航線規(guī)劃與測試：

8、基于已建立的高精度三維實景模型及三維點云模型進行裂縫巡檢航線規(guī)劃，并對規(guī)劃的航線進行實地測試；

9、s3，布置無人機機庫，執(zhí)行自動化巡檢任務(wù)，通過無人機巡檢采集巡檢照片；

10、s4，將巡檢后的照片通過網(wǎng)絡(luò)自動上傳到數(shù)據(jù)中心，采用開源建模算法進行自動化建模，生成正射影像，并對影像進行編號；

11、s5，采用深度學習模型對巡檢后的正射影像進行識別，對識別后的裂縫進行自動修復，將修復后識別后結(jié)果以矢量形式提取輸出裂縫的輪廓；

12、s6，裂縫多期比對與預警：

13、將本次識別結(jié)果與上一次進行對比，如果變化超過設(shè)定閾值△e，則發(fā)出異常預警；對比指標包括裂縫的延伸長度、平均寬度和最大寬度的特征指標。

14、優(yōu)選地，步驟s1中的裂縫初始特征值解譯包括：

15、基于南方cass軟件進行地質(zhì)災(zāi)害解譯，在南方cass軟件中導入建立的三維實景模型，并在三維實景模型中勾畫裂縫邊界，形成裂縫的矢量文件；

16、裂縫特征值包括裂縫延伸長度l、平均寬度、最大寬度bmax和裂縫面積a：

17、；

18、；

19、式中，l1和l2分別表示裂縫兩邊的邊緣延伸的長度。

20、優(yōu)選地，步驟s2中，巡檢航線規(guī)劃與測試包括：

21、設(shè)定路徑規(guī)劃參數(shù)，包括巡檢航線飛行高度h和地面采樣分辨率gsd，計算如下：

22、；

23、；

24、式中，wi為圖像寬度，單位為像素；f為真實焦距，單位為mm；h為飛行高度，單位為m；ws為真實傳感器寬度，單位為mm；gsd表示地面采樣分辨率，是指航拍時每個像元代表的范圍大小。

25、優(yōu)選地，步驟s2的巡檢航線規(guī)劃與測試中，航線規(guī)劃采用專業(yè)航線規(guī)劃軟件基于建立的三維點云模型進行；航線規(guī)劃在三維點云模型中沿裂縫走向勾畫多段線，并沿豎直方向向上偏移hm；航線規(guī)劃相機拍攝角度為垂直向下，拍攝影像旁線重疊率不小于75%；航線規(guī)劃完成后，與三維點云進行碰撞檢測，確保航線不與點云相交或距離不小于設(shè)定的極限距離；航線規(guī)劃完成后，進行現(xiàn)場實地調(diào)查與航飛測試，確保無人機可正常飛行。

26、優(yōu)選地，步驟s3中，布置無人機機庫包括：

27、在裂縫周邊布置無人機機庫，將步驟s2中經(jīng)過測試的巡檢航線導入機庫，設(shè)定巡檢頻率，利用搭載高清相機的無人機開展自動化巡檢；

28、無人機機庫的布置與裂縫的距離為：

29、；

30、；

31、式中，為無人機最大飛行速度，單位為m/s；為無人機最大巡航時間，單位為s；為無人機巡檢所需時間，單位為s；為裂縫延伸長度，單位為m；為無人機巡檢飛行速度；

32、巡檢頻率根據(jù)裂縫的變形速率及重要性綜合確定，一般1～2周一次；

33、巡檢無人機攜帶rtk模塊進行定位，以保證飛行安全及后續(xù)的建模精度。

34、優(yōu)選地，步驟s4中的開源建模算法包括opendronemap，通過opendronemap對航拍圖像進行空三計算，生成點云、正射影像和高程模型，并進行三維重構(gòu)生成三維模型。

35、優(yōu)選地，步驟s4中，正射影像為tif格式，包括實際坐標，坐標系選擇cgcs2000投影坐標；目的是便于快速檢索每一期的巡檢成果，并進行多期比對，正射影像編號的編號規(guī)則為地災(zāi)對象-巡檢要素-巡檢次數(shù)-日期，例如水塘變形體-裂縫1-2-20240205。

36、優(yōu)選地，步驟s5中，采用深度學習模型對巡檢后的正射影像進行識別包括：

37、s501，構(gòu)建基于歷史巡檢正射影像的數(shù)據(jù)集，并對數(shù)據(jù)集中的裂縫進行標注；將構(gòu)建的數(shù)據(jù)集劃分為訓練集、測試集和驗證集；

38、s502，對數(shù)據(jù)集中的正射影像進行預處理操作，轉(zhuǎn)換成灰度圖；

39、s503，構(gòu)建基于transformer的四級對稱編碼-解碼器架構(gòu)的變形體裂縫識別網(wǎng)絡(luò)；

40、s504，在構(gòu)建的四級對稱編碼-解碼器網(wǎng)絡(luò)結(jié)構(gòu)中增設(shè)非線性無激活網(wǎng)絡(luò)；

41、s505，在transformer中增加混合尺度前饋網(wǎng)絡(luò)；

42、s506，訓練網(wǎng)絡(luò)結(jié)構(gòu)，得到訓練好的變形體裂縫識別網(wǎng)絡(luò)；

43、s507，將無人機巡檢得到的正射影像輸入訓練好的變形體裂縫識別網(wǎng)絡(luò)中，輸出裂縫識別結(jié)果。

44、優(yōu)選地，步驟s5中，執(zhí)行裂縫的修復時，修復影像中的噪點數(shù)據(jù)，噪點數(shù)據(jù)包括影像中存在的樹枝或孤石一類與裂縫影像高度相似且分布密集的噪點數(shù)據(jù)；通過opencv開源庫中的形態(tài)學閉運算像元修復方法執(zhí)行裂縫修復，填平前景物體內(nèi)的小空隙，而總的位置和形狀不變，采用形態(tài)學閉運算修復部分預測錯誤的真實裂縫數(shù)據(jù)。

45、優(yōu)選地，步驟s5中，以矢量形式提取輸出裂縫的輪廓，包括對裂縫影像的柵格圖像進行邊界掃描，分別得到上下兩條邊界線；輪廓提取采用opencv開源庫中輪廓提取函數(shù)來完成。

46、本發(fā)明的有益效果如下：

47、1，本發(fā)明可實現(xiàn)變形體裂縫全自動化的巡檢與監(jiān)測，降低巡檢作業(yè)風險，提升巡檢效率，使得高山峽谷地區(qū)地質(zhì)災(zāi)害的日常巡檢成為可能；

48、2，本發(fā)明可實現(xiàn)裂縫的自動識別與預警，對于裂縫數(shù)量多、巡檢作業(yè)任務(wù)重的地區(qū)，可大大減輕人工排查的工作量，提高地質(zhì)災(zāi)害巡檢的效果。

49、3，本發(fā)明通過科學方法規(guī)劃無人機巡檢路徑，并且通過深度學習模型對采集的數(shù)據(jù)進行裂縫識別，通過軟件執(zhí)行修復和預警判定，大幅度提升了作業(yè)精度準確度。