基于无人机的水电站区域边坡巡检方法及系统与流程
本发明涉及水电站边坡巡检,尤其涉及基于无人机的水电站区域边坡巡检方法及系统。
背景技术:
1、水电站区域边坡地形陡峻、范围广阔且环境条件复杂,边坡岩土体在库水位周期性涨落、降雨入渗及地震动力扰动等多重因素耦合作用下极易产生表生裂隙、局部垮塌乃至整体滑移,严重威胁水电站枢纽建筑物的运行安全与下游人民群众的生命财产安全。传统的人工徒步巡查方式受限于边坡的可达性与巡查效率,难以对大范围高陡边坡实施高频次全覆盖的立体监测,而卫星遥感手段虽能提供大尺度地表信息,但其重访周期较长且空间分辨率不足以捕捉边坡表观损伤的细微演化特征,无法满足水电站边坡日常安全监控对时效性与精细度的迫切需求,因此亟需一种能够兼顾机动灵活性与快速响应能力的巡检技术方案。
2、现有技术中,已有部分方案采用无人机搭载可见光相机或红外热像仪对水电站边坡进行空中影像采集,通过人工判读或基于传统图像处理算法的边缘检测手段识别坡面裂缝与破损区域,亦存在少数方案利用激光雷达获取坡面点云数据以构建数字高程模型并据此分析坡面形变趋势。这些方案通常仅执行单次航测的数据获取与后处理分析,将影像数据与点云数据分别存储于机载存储介质中待无人机降落后方可导出至地面工作站进行离线处理,巡检数据的流转环节冗长且滞后性显著,同时坡面影像的损伤判读过程缺乏对光照条件剧烈变化的自适应调节机制,致使不同航次获取的影像在阴影遮蔽或强光过曝区域出现大量误检与漏检,而坡面缺陷特征的提取与滑移趋势的推算也往往依靠人工设定的经验阈值,未能充分利用时序巡检数据蕴含的演变信息。
3、上述现有技术方案的主要缺陷体现在两个方面。其一,现有方案普遍采用离线后处理模式,机载端仅执行数据采集与存储功能,坡面损伤识别与缺陷判读全部依赖地面工作站完成,导致从数据获取到结果输出的全流程耗时过长,无法在飞行过程中实时获取巡检结论,难以及时发现突发性坡面异常并触发应急响应,巡检时效性严重不足。其二,现有方案缺乏针对水电站边坡光照环境动态变化的适应性处理手段与面向机载资源受限场景的轻量化推理机制,当太阳高度角与坡面朝向形成复杂光影关系时,固定参数的处理流程难以消除光照差异对损伤判读的干扰,而常规深度学习模型参数量过大无法部署于机载嵌入式平台,致使缺陷识别的准确率在复杂光影条件下显著下降且推理延迟过高,制约了无人机边坡巡检系统的工程化实用效能。
技术实现思路
1、为了克服现有技术存在的缺点与不足,本发明提供基于无人机的水电站区域边坡巡检方法及系统。
2、本发明所采用的技术方案是,基于无人机的水电站区域边坡巡检方法,包括以下步骤:s1,调度搭载多光谱采集单元与激光测距模组的无人机循预设航迹飞越水电站区域边坡,获取包括坡面几何形态与光谱反射特性的多源巡检数据;s2,依据所述多源巡检数据中的光照角度信息与坡面朝向矢量,构建光影自适应坡面损伤识别模型,经所述识别模型处理生成坡面损伤分布图谱;s3,在机载嵌入式运算平台上部署轻量化边坡缺陷推理算法,将所述损伤分布图谱输入所述推理算法执行前向推算,输出缺陷类别标记与缺陷几何尺度参量;s4,基于时序连续巡检所获得的多个所述缺陷几何尺度参量,构建坡面滑移趋势递进预测函数,解算坡面位移速率与失稳概率指标;s5,以所述缺陷类别标记、所述缺陷几何尺度参量及所述失稳概率指标作为研判基础参量,构建水电站边坡空巡智能研判平台,执行风险等级评定并生成巡检处置建议;s6,将所述巡检处置建议回传至地面控制站,并依据所述风险等级评定调整后续航迹规划参数。
3、进一步地,所述光影自适应坡面损伤识别模型的表达式为:,,其中,为坡面影像像素坐标,为像素处的光照校正因子,为像素处的原始辐亮度值,为像素处坡面法向与观测方向的夹角,为像素处入射光方向与坡面法向的夹角,为正则化常数,为像素处的损伤响应强度值,为材质衰减系数,为像素处的多光谱反射率向量模值,为坡面全域反射率向量模值的算术均值,为坡面全域反射率向量模值的最大值,为坡面全域反射率向量模值的最小值。
4、进一步地,所述机载轻量化边坡缺陷推理算法的表达式为:,,其中,为缺陷类别置信度向量,为卷积核总数,为第个卷积核的融合权重,为非线性激活函数,为第个卷积核的局部感受野区域,为第个卷积核在第个输入位置处的卷积系数,为输入损伤分布图谱在第个位置处的特征值,为第个卷积核的偏置项;为第类缺陷的几何尺度推算值,为第类缺陷占据的连续空间域,为所述连续空间域内的积分变量,为第类缺陷在处的尺度响应函数,为第类缺陷在处的边界调节函数。
5、进一步地,所述坡面滑移趋势递进预测函数的表达式为:,其中,为时刻处的坡面失稳趋势度量值,为坡体材质敏感系数,为时刻处的坡面累积位移量,为时刻处的坡面位移速率,为速率饱和常数,为衰减调节因子,为时刻处坡面有效承载截面的缩减量,为坡面初始有效承载截面积。
6、进一步地,所述机载嵌入式运算平台配置现场可编程门阵列加速单元与多核数字信号处理器,轻量化边坡缺陷推理算法采用深度可分离卷积结构,其中逐通道卷积的卷积核尺寸为3×3,逐点卷积的卷积核尺寸为1×1,所述深度可分离卷积结构的通道扩张倍率设定为2,机载嵌入式运算平台内建特征图剪枝策略,剪枝阈值依据所述多源巡检数据的信噪比动态调节,剪枝阈值的动态调节范围为0.15至0.45。
7、进一步地,所述s2包括以下分步骤:s21,提取所述多源巡检数据中的太阳高度角与方位角作为光照角度信息;s22,依据所述激光测距模组回传的点云数据解算坡面各像素处的法向矢量作为坡面朝向矢量;s23,以所述光照角度信息与所述坡面朝向矢量构建光影校正因子,将所述光影校正因子作用于坡面原始影像以消除阴影与高光干扰;s24,将校正后的坡面影像与多光谱反射率数据融合,依照损伤区域与完好区域的光谱差异阈值分割生成所述坡面损伤分布图谱。
8、进一步地,所述s3包括以下分步骤:s31,将所述坡面损伤分布图谱划分为若干矩形子块,各子块边缘重叠像素数量为子块尺寸的十分之一;s32,对每个所述矩形子块执行快速傅里叶变换以提取频域纹理特征,并依据频域能量分布筛选有效特征通道;s33,将筛选后的所述有效特征通道输入所述轻量化边坡缺陷推理算法,经深度可分离卷积与全局池化运算输出各类别的初始置信度;s34,对所述初始置信度施加非极大值抑制操作,剔除冗余检测框后输出所述缺陷类别标记与所述缺陷几何尺度参量。
9、进一步地,所述s4包括以下分步骤:s41,将历次巡检获得的所述缺陷几何尺度参量按时间戳排列形成位移时序序列;s42,对所述位移时序序列执行滑动窗口平滑处理,窗口宽度设定为相邻三次巡检的间隔时长,计算窗口内位移量的差分值作为局部速率;s43,将所述局部速率输入所述坡面滑移趋势递进预测函数,迭代递推后续多个时刻的位移预估值与速率预估值;s44,依据所述位移预估值与所述速率预估值计算坡面安全裕度比值,将所述安全裕度比值低于设定阈值的时刻判定为失稳风险时刻,输出所述失稳概率指标。
10、进一步地,所述s5包括以下分步骤:s51,将所述缺陷类别标记、所述缺陷几何尺度参量及所述失稳概率指标导入所述水电站边坡空巡智能研判平台的数据融合模块,生成多维特征向量;s52,依据所述多维特征向量在预设风险规则库中匹配对应的风险等级判定准则,输出初级风险等级;s53,将所述初级风险等级与坡面历史巡检记录中的演变趋势进行比对,校正得到终审风险等级;s54,依照所述终审风险等级与所述缺陷几何尺度参量生成包括巡检区域编码与处置优先级的所述巡检处置建议。
11、基于无人机的水电站区域边坡巡检系统,该系统应用于基于无人机的水电站区域边坡巡检方法,包括:多源航测数据采集单元,搭载于无人机平台,用于获取包括坡面几何形态与光谱反射特性的多源巡检数据并传输至数据预处理单元;光影自适应损伤辨识单元,与所述数据预处理单元连接,用于依据光照角度信息与坡面朝向矢量构建光影自适应坡面损伤识别模型并生成坡面损伤分布图谱;机载轻量化推理运算单元,与所述光影自适应损伤辨识单元连接,部署于机载嵌入式运算平台,用于运行轻量化边坡缺陷推理算法以输出缺陷类别标记与缺陷几何尺度参量;时序滑移趋势推算单元,与所述机载轻量化推理运算单元连接,用于基于时序连续巡检获得的多个所述缺陷几何尺度参量构建坡面滑移趋势递进预测函数并解算失稳概率指标;空巡智能研判平台单元,与所述时序滑移趋势推算单元连接,用于以所述缺陷类别标记、所述缺陷几何尺度参量及所述失稳概率指标为基础参量执行风险等级评定并生成巡检处置建议;航迹自适应调控单元,与所述空巡智能研判平台单元连接,用于依据所述风险等级评定调整后续航迹规划参数并将所述巡检处置建议回传至地面控制站。
12、有益效果:本发明提出基于无人机的水电站区域边坡巡检方法及系统,通过构建包括多源航测数据采集、光影自适应损伤辨识、机载轻量化推理运算、时序滑移趋势推算、空巡智能研判及航迹自适应调控的全流程机载实时处理架构,解决了现有技术离线后处理模式导致巡检时效性不足的缺陷,整个识别与判定过程均在无人机飞行期间于机载嵌入式运算平台上原位完成,无需等待降落即可向地面控制站回传巡检处置建议,突发性坡面异常能够被即时感知并触发应急响应;同时,利用光影自适应坡面损伤识别模型依据光照角度信息与坡面朝向矢量动态构建光照校正因子以消除阴影和高光对损伤判读的干扰,配合深度可分离卷积结构与特征图剪枝策略所实现的轻量化缺陷推理算法,在机载资源严格受限的条件下保持了高准确率与低推理延迟,解决了复杂光影条件下损伤误检与漏检严重以及常规模型无法部署于机载平台的技术难题;通过时序连续巡检积累的缺陷几何尺度参量构建坡面滑移趋势递进预测函数以推算位移速率与失稳概率指标,改变了传统方案依赖人工设定经验阈值进行静态判别的模式,从而为水电站边坡安全监控提供了兼具实时性、准确性与前瞻性的完整技术方案。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com