一种坡体裂缝识别方法、系统、设备以及存储介质技术方案

本发明专利技术公开了一种坡体裂缝识别方法、系统、设备以及存储介质，包括：获取目标地区的高光谱遥感图像、近红外遥感图像和可见光图像；构建裂缝分类识别网络模型，将高光谱遥感图像、近红外遥感图像和可见光图像作为训练集对裂缝分类识别网络模型进行训练，直至得到裂缝分类识别网络模型的最优权重；将待识别图像输入至裂缝分类识别网络模型中，得到待识别图像中裂缝的识别结果。高光谱和近红外图像在全波段具备更为丰富的光谱信息，可以反映裂缝更为细微的物理特征。本方法同时通过高光谱遥感图像、近红外遥感图像和可见光图像对裂缝分类识别网络模型进行训练，使得裂缝分类识别网络模型能够提取更为丰富的特征，从而提高模型的分类识别精度。类识别精度。类识别精度。

【技术实现步骤摘要】
一种坡体裂缝识别方法、系统、设备以及存储介质


[0001]本专利技术涉及滑坡防护
，特别涉及一种坡体裂缝识别方法、系统、设备以及存储介质。

技术介绍

[0002]山体滑坡是在重力影响下由于土壤岩石及植物内在阻力减少(往往体现为滑动、松动、崩塌和流失)而带来的特定复杂形式的坡体运动，自然界发生最频繁的地质灾害。近年来，由于城市群的扩张和气候变化带来的极端天气事件频发，地表质量损失/移动情况呈上升趋势，滑坡灾害频发，因此如何对滑坡灾害进行有效地监测十分重要。
[0003]裂缝是坡体产生滑坡现象的前兆特征，所以准确监控坡体裂缝对滑坡灾害的预防有着重要作用。传统方案是进行人工勘察，但这种方案的效率较低，而且具有一定危险性。现有方案利用神经网络和图像进行坡体裂缝识别，相较于人工勘察，能提高效率，但现有方案的输入图像较为单一，通常为CCD相机采集的可见光图像，特征不明显，导致神经网络模型对裂缝的分类识别准确度不高。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题。为此，本专利技术提出一种坡体裂缝识别方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种坡体裂缝识别方法，其特征在于，包括如下步骤：获取目标地区的高光谱遥感图像、近红外遥感图像和可见光图像；构建裂缝分类识别网络模型，将所述高光谱遥感图像、所述近红外遥感图像和所述可见光图像作为训练集对所述裂缝分类识别网络模型进行训练，直至得到所述裂缝分类识别网络模型的最优权重；将待识别图像输入至所述裂缝分类识别网络模型中，得到所述待识别图像中裂缝的识别结果。2.根据权利要求1所述的坡体裂缝识别方法，其特征在于，所述裂缝分类识别网络模型包括融合的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，其中，所述第一卷积神经网络、所述第二卷积神经网络和所述第三卷积神经网络为不同的卷积神经网络，所述将所述高光谱遥感图像、所述近红外遥感图像和所述可见光图像作为训练集对所述裂缝分类识别网络模型进行训练，包括：将多张所述高光谱遥感图像、所述近红外遥感图像和所述可见光图像分别输入至所述第一卷积神经网络、所述第二卷积神经网络和所述第三卷积神经网络中，得到所述第一卷积神经网络提取的所述高光谱遥感图像对应的第一图像特征、所述近红外遥感图像对应的第二图像特征和所述可见光图像对应的第三图像特征；以及所述第二卷积神经网络提取的所述高光谱遥感图像对应的第四图像特征、所述近红外遥感图像对应的第五图像特征和所述可见光图像对应的第六图像特征；以及所述第三卷积神经网络提取的所述高光谱遥感图像对应的第七图像特征、所述近红外遥感图像对应的第八图像特征和所述可见光图像对应的第九图像特征；融合所述第一图像特征、所述第二图像特征和所述第三图像特征，得到第一融合特征，融合第四图像特征、所述第五图像特征和所述第六图像特征，得到第二融合特征，融合第七图像特征、所述第八图像特征和所述第九图像特征，得到第三融合特征，并融合所述第一融合特征、所述第二融合特征以及所述第三融合特征，得到最终融合特征；将所述最终融合特征输入全连接层中，得到所述全连接层的识别结果。3.根据权利要求2所述的坡体裂缝识别方法，其特征在于，所述第一卷积神经网络、所述第二卷积神经网络和所述第三卷积神经网络均包括多个交替设置的卷积层和池化层以及位于所述卷积层和所述池化层后的...

【专利技术属性】
技术研发人员：甘雨，杨世忠，赵星宇，贺云飞，
申请(专利权)人：湖南北斗微芯产业发展有限公司，
类型：发明
国别省市：