科研進(jìn)展
堤防險情隱患智能巡檢研究獲新進(jìn)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(shí)發(fā)現，導致潰堤風(fēng)險。傳統人工巡檢效率低且存在風(fēng)險，現有地球物理探測技術(shù)成本高、實(shí)時(shí)性較差。近年來(lái)，無(wú)人機與人工智能技術(shù)的結合為堤防智能化巡檢開(kāi)辟了新路徑，但對復雜自然場(chǎng)景下的適用性仍面臨挑戰。
中國科學(xué)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據行業(yè)技術(shù)中心提出基于無(wú)人機熱紅外成像與深度學(xué)習的堤防險情隱患高效檢測方法，實(shí)現從傳統人工巡檢到智能無(wú)人機巡檢的跨越，并成功實(shí)現實(shí)時(shí)邊緣計算應用，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(guò)模擬實(shí)驗構建了包含5995張熱紅外圖像的堤防滲漏數據集，涵蓋晴雨晝夜、不同植被覆蓋及地形場(chǎng)景?；贛ask R-CNN模型，實(shí)現了滲漏區域的精準分割與分類(lèi)，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，提升可信度。進(jìn)一步優(yōu)化實(shí)時(shí)檢測能力，通過(guò)104次野外實(shí)驗構建多源數據集，并開(kāi)發(fā)基于YOLOv5的輕量化模型。該模型在熱紅外和可見(jiàn)光圖像中的檢測精度分別達92.7%和70.4%，結合邊緣計算技術(shù)，實(shí)現無(wú)人機端實(shí)時(shí)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(chǎng)景下的魯棒性，為全天候監測提供支撐。其突出優(yōu)勢表現為：一是全天候適應性。熱紅外成像突破可見(jiàn)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(shí)時(shí)性。邊緣計算使無(wú)人機在飛行中即時(shí)分析數據，減少數據傳輸延遲，顯著(zhù)提升了應急響應速度。三是場(chǎng)景普適性。模型在長(cháng)江、淮河、鄱陽(yáng)湖等不同地質(zhì)條件的堤防段均表現優(yōu)異，具備大范圍推廣的潛力。四是模式革新從“人巡”到“機巡”的轉型，大幅降低人力成本與安全風(fēng)險，推動(dòng)了防汛作業(yè)智能化。
以上研究系統揭示了復雜自然環(huán)境下堤防險情隱患的熱力學(xué)特征與檢測邊界條件，構建了從數據采集到智能分析的完整技術(shù)鏈。相關(guān)技術(shù)已在長(cháng)江中下游部分堤防試點(diǎn)應用，參與了2024年應急安全裝備區域行等實(shí)戰演練。未來(lái)，研究團隊將推動(dòng)技術(shù)在實(shí)際防汛中的規?；瘧?，并與激光雷達、光纖傳感等多源數據融合，進(jìn)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(wú)人機巡檢堤防險情隱患
圖2. 堤防險情隱患實(shí)驗區域
圖3. 不同場(chǎng)景下堤防險情檢測
圖4. 無(wú)人機集成邊緣計算套件實(shí)時(shí)智能巡檢
