一种区域滑坡识别方法、装置及系统制造方法及图纸

本发明专利技术公开了一种区域滑坡识别方法、装置及系统。该装置包括数据获取单元以及模型识别单元。该系统包括滑坡识别模块以及数据存储模块。通过将包括上采样部分、下采样部分以及跳跃连接部分，并采用预设的第一交叉熵函数作为损失函数的ENVINeT5网络作为预设的滑坡识别模型，对待识别区域的第一图像数据组对应的第一图像信息组进行识别，该方法、装置及系统提升了滑坡识别的识别精度；进一步地，该区域滑坡识别方法、装置及系统还基于多源遥感数据构建详细的滑坡识别特征数据集，通过随机化参数实验获得最优模型训练参数组以及对应的滑坡识别模型，从而进一步提升复杂背景下的滑坡识别的识别精度。别的识别精度。别的识别精度。

A method, device and system for regional landslide identification

【技术实现步骤摘要】
一种区域滑坡识别方法、装置及系统


[0001]本专利技术涉及防灾减灾
，涉及一种区域滑坡识别方法、装置及系统。

技术介绍

[0002]滑坡是指斜坡上的土体或者岩体，受河流冲刷、地下水活动、雨水浸泡、地震及人工切坡等因素影响，在重力作用下，沿着一定的软弱面或者软弱带，整体地或者分散地顺坡向下滑动的自然现象。运动的岩(土)体称为变位体或滑移体，未移动的下伏岩(土)体称为滑床。
[0003]在现有技术中，遥感技术在滑坡调查监测中发挥了重要的作用，大大减低了滑坡调查监测的成本，尤其在山高坡陡，丛林茂密、人工监测难度大的山区有着不可替代的作用。基于人工智能技术，利用多源光学遥感和雷达信息，实现大范围、高精度的滑坡识别是目前滑坡灾害风险评价的主要研究方向之一。
[0004]但是，现有技术仍存在下述缺陷：(1)传统的野外滑坡调查方法和群测群防的灾害防治手段对滑坡监测和识别能力不足，(2)且现有地质灾害调查技术限制，地质灾害调查费时费力，导致研究区的历史滑坡编录成果存在时间和空间上的局限性。(3)在多植被覆盖的南方地区，滑坡遥感技术调查方法应用存在诸多难点，尤其是滑坡遥感特征与梯田相似，给基于遥感特征的滑坡识别带来了极大的挑战。
[0005]因此，当前需要一种区域滑坡识别方法、装置及系统，从而克服现有技术中存在的上述问题。

技术实现思路

[0006]针对现存的上述技术问题，本专利技术的目的在于提供一种区域滑坡识别方法、装置及系统，从而提升滑坡识别的识别精度。
[0007]本专利技术提供了一种区域滑坡识别方法，所述方法包括：获取待识别区域的第一图像数据组，并对所述第一图像数据组进行信息提取，从而获取第一图像信息组；将所述第一图像信息组输入预设的滑坡识别模型，从而获得所述待识别区域的识别结果；所述滑坡识别模型为ENVINeT5网络，所述ENVINeT5网络包括上采样部分、下采样部分以及跳跃连接部分，并采用预设的第一交叉熵函数作为损失函数。
[0008]在一个实施例中，在获取待识别区域的第一图像数据组，并对所述第一图像数据组进行信息提取，从而获取第一图像信息组之前，所述区域滑坡识别方法还包括：获取预设的第一编录数据以及第一遥感数据，并根据所述第一编录数据和所述第一遥感数据，创建滑坡样本数据组；根据所述滑坡样本数据组以及预设的滑坡识别指标，构建滑坡识别特征数据集；所述滑坡识别特征数据集包括多光谱影响特征、纹理特征、指数特征、地形特征以及形变特征；通过预设的随机化参数实验以及预设的精度评价方法，根据所述滑坡识别特征数据集以及预设的深度学习模型，获得最优模型训练参数组以及对应的滑坡识别模型。
[0009]在一个实施例中，将所述第一图像信息组输入预设的滑坡识别模型，从而获得所
述待识别区域的识别结果，具体包括：根据预设的滑坡识别模型获取滑坡类激活栅格；将所述第一图像信息组输入滑坡类激活栅格，根据预设的激活概率阈值，识别第一图像数据组中对应的第一滑坡区域，并将第一滑坡区域作为识别结果输出。
[0010]在一个实施例中，通过预设的随机化参数实验以及预设的精度评价方法，根据所述滑坡识别特征数据集以及预设的深度学习模型，获得最优模型训练参数组以及对应的滑坡识别模型，具体包括：初始化预设的ENVINet5模型，并对所述ENVINet5模型进行设置，从而获得第一训练模型；根据所述滑坡识别特征数据集，对所述第一训练模型进行训练实验，从而获得多组训练参数组以及对应的评估数据组；根据所述评估数据组，筛选出模型精度最高时所对应的最优模型训练参数组以及对应的滑坡识别模型。
[0011]在一个实施例中，在将所述第一图像信息组输入预设的滑坡识别模型，从而获得所述待识别区域的识别结果之后，所述方法还包括：将所述识别结果发送给用户。
[0012]本专利技术还提供了一种区域滑坡识别装置，所述装置包括数据获取单元以及模型识别单元，其中，所述数据获取单元用于获取待识别区域的第一图像数据组，并对所述第一图像数据组进行信息提取，从而获取第一图像信息组；所述模型识别单元用于将所述第一图像信息组输入预设的滑坡识别模型，从而获得所述待识别区域的识别结果；所述滑坡识别模型为ENVINeT5网络，所述ENVINeT5网络包括上采样部分、下采样部分以及跳跃连接部分，并采用预设的第一交叉熵函数作为损失函数。
[0013]在一个实施例中，所述装置还包括模型训练单元，所述模型训练单元用于：获取预设的第一编录数据以及第一遥感数据，并根据所述第一编录数据和所述第一遥感数据，创建滑坡样本数据组；根据所述滑坡样本数据组以及预设的滑坡识别指标，构建滑坡识别特征数据集；所述滑坡识别特征数据集包括多光谱影响特征、纹理特征、指数特征、地形特征以及形变特征；通过预设的随机化参数实验以及预设的精度评价方法，根据所述滑坡识别特征数据集以及预设的深度学习模型，获得最优模型训练参数组以及对应的滑坡识别模型。
[0014]在一个实施例中，所述装置还包括结果发送单元，所述结果发送单元用于将所述识别结果发送给用户。
[0015]本专利技术还提供了一种区域滑坡识别系统，所述系统包括滑坡识别模块以及数据存储模块，所述滑坡识别模块与所述数据存储单元通信连接，所述数据存储模块用于存储所有数据，所述滑坡识别模块用于根据所述数据存储模块所存储的数据，执行如前所述的区域滑坡识别方法。
[0016]在一个实施例中，所述系统还包括用户交互模块，所述用户交互模块连接到所述滑坡识别模块，所述用户交互模块用于为用户和所述滑坡识别模块之间的交互提供硬件支持。
[0017]相比于现有技术，本专利技术实施例具有如下有益效果：
[0018]本专利技术提供了一种区域滑坡识别方法、装置及系统，通过将包括上采样部分、下采样部分以及跳跃连接部分，并采用预设的第一交叉熵函数作为损失函数的ENVINeT5网络作为预设的滑坡识别模型，对待识别区域的第一图像数据组对应的第一图像信息组进行识别，该方法、装置及系统提升了滑坡识别的识别精度。
[0019]进一步地，本专利技术提供的一种区域滑坡识别方法、装置及系统还基于多源遥感数
据构建详细的滑坡识别特征数据集，通过随机化参数实验获得最优模型训练参数组以及对应的滑坡识别模型，从而进一步提升复杂背景下的滑坡识别的识别精度。
附图说明
[0020]下文将结合说明书附图对本专利技术进行进一步的描述说明，其中：
[0021]图1示出了根据本专利技术的一种区域滑坡识别方法的一个实施例的流程图；
[0022]图2示出了根据本专利技术的一种区域滑坡识别方法的另一实施例的流程图；
[0023]图3示出了根据本专利技术的一种区域滑坡识别装置的一个实施例的结构图；
[0024]图4示出了根据本专利技术的一种区域滑坡识别系统的一个实施例的结构图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区域滑坡识别方法，其特征在于，所述方法包括：获取待识别区域的第一图像数据组，并对所述第一图像数据组进行信息提取，从而获取第一图像信息组；将所述第一图像信息组输入预设的滑坡识别模型，从而获得所述待识别区域的识别结果；所述滑坡识别模型为ENVINeT5网络，所述ENVINeT5网络包括上采样部分、下采样部分以及跳跃连接部分，并采用预设的第一交叉熵函数作为损失函数。2.根据权利要求1所述的区域滑坡识别方法，其特征在于，在获取待识别区域的第一图像数据组，并对所述第一图像数据组进行信息提取，从而获取第一图像信息组之前，所述区域滑坡识别方法还包括：获取预设的第一编录数据以及第一遥感数据，并根据所述第一编录数据和所述第一遥感数据，创建滑坡样本数据组；根据所述滑坡样本数据组以及预设的滑坡识别指标，构建滑坡识别特征数据集；所述滑坡识别特征数据集包括多光谱影响特征、纹理特征、指数特征、地形特征以及形变特征；通过预设的随机化参数实验以及预设的精度评价方法，根据所述滑坡识别特征数据集以及预设的深度学习模型，获得最优模型训练参数组以及对应的滑坡识别模型。3.根据权利要求2所述的区域滑坡识别方法，其特征在于，将所述第一图像信息组输入预设的滑坡识别模型，从而获得所述待识别区域的识别结果，具体包括：根据预设的滑坡识别模型获取滑坡类激活栅格；将所述第一图像信息组输入滑坡类激活栅格，根据预设的激活概率阈值，识别第一图像数据组中对应的第一滑坡区域，并将第一滑坡区域作为识别结果输出。4.根据权利要求3所述的区域滑坡识别方法，其特征在于，通过预设的随机化参数实验以及预设的精度评价方法，根据所述滑坡识别特征数据集以及预设的深度学习模型，获得最优模型训练参数组以及对应的滑坡识别模型，具体包括：初始化预设的ENVINet5模型，并对所述ENVINet5模型进行设置，从而获得第一训练模型；根据所述滑坡识别特征数据集，对所述第一训练模型进行训练实验，从而获得多组训练参数组以及对应的评估数据组；根据所述评估数据组，筛选出模型精度最高时所对应的最优模型训练参数组以及对应的滑坡识别模型...

【专利技术属性】
技术研发人员：周晓亭，谢涛锋，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：