【技术实现步骤摘要】
本专利技术涉及堤坝防治，具体涉及一种基于堤坝自有红外特征属性的白蚁病害识别方法及装置、计算设备。
技术介绍
1、白蚁又称无牙老虎，其分泌的蚁酸能够腐蚀堤坝的钢筋混凝土，一个成年巢多则能在堤坝内挖空土方可达数立方米，由于其在水利工程主体中筑巢繁殖，修筑四通八达的蚁道，极易导致工程渗漏、跌窝等险情，严重的甚至造成垮坝、崩堤等事故，是影响水库大坝、堤防等水利工程安全的重大生物隐患，可谓是“千里堤坝，溃于蚁穴”。
2、白蚁防治是一项专业性很强的工作，在采取具体的防治措施前，需先对白蚁危害的情况进行系统的调查，明确白蚁种类、危害范围和危害程度，从而制定合理的白蚁防治方案，采取有效的白蚁防治措施，从而达到最高效的防治效果。对我国水库堤坝造成危害的主要白蚁种类是黑翅土白蚁和黄翅大白蚁，分属土白蚁属和大白蚁属。这些白蚁通常于地表取食时先修筑泥被和泥线覆盖于食物上，以遮光和防天敌，然后才在泥被和泥线内取食。因此，白蚁危害具有隐蔽性、反复性和长期性。
3、目前蚁情检查主要依靠人工通过表面迹象查找判定白蚁危害程度及部位，或者通过安装白蚁引诱监测装置，通过定期检查掌握白蚁危害动态。其中，泥被和泥线的有无是判断堤坝是否存在蚁患的一个重要依据，此外，分群孔也是判断堤坝白蚁为害的一个重要的地表外露特征。但是，人工检查法耗时费力，例如，用工具翻开白蚁喜食的植物根部，查看是否有白蚁活体或蚁路等活动迹象，或者由专业技术人员在工程主体和蚁源区根据白蚁活动时留下的地表迹象和真菌指示物来判断是否有白蚁危害。引诱法的方法多种多样，但都需因地制宜地选
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述堤坝白蚁病害识别准确率和效率较低问题的基于堤坝自有红外特征属性的白蚁病害识别方法及装置、计算设备。
2、根据本专利技术的一个方面，提供了一种基于堤坝自有红外特征属性的白蚁病害识别方法，包括：
3、利用红外热线仪对堤坝进行扫描获取堤坝点云数据；
4、根据所述堤坝点云数据提取所述堤坝的至少一个蚁源区、迎水坡、背水坡以及坝顶部位数据；
5、将所述堤坝的各个部位数据输入预先训练的堤坝病害识别模型，得到所述堤坝的白蚁危害等级预测结果；其中，所述堤坝病害识别模型根据已有的水利工程实例样本训练得到，所述水利工程实例样本包括气候、生态环境、泥被、泥线、分飞孔与蚁巢伞外露特征、成漏洞、跌窝以及脱坡特征。
6、在一种可选的方式中，所述根据所述堤坝点云数据提取所述堤坝的至少一个蚁源区、迎水坡、背水坡以及坝顶部位数据进一步包括：
7、获取所述堤坝点云数据中的任一点邻域集内任意两点间的欧氏距离函数，将整组所述堤坝点云数据的最小包围盒进行空间分块；
8、根据所述堤坝的主体区域特征从所述空间分块中识别所述堤坝的至少一个蚁源区、迎水坡、背水坡以及坝顶部位数据。
9、在一种可选的方式中，通过densenet网络模型提取所述部位数据的灰度特征和纹理特征，并运用差分演化算法提取最优特征集，其中，所述densenet网络模型由dense模块和transition模块组成，所述dense模块包括门控注意力模块以及残差网络模块，所述差分演化算法嵌入至所述densenet网络模型的池化层之后，并于全连接层之前。
10、在一种可选的方式中，所述门控注意力模块用于控制各个通道的权重，其包括至少一个门控动态算子。
11、在一种可选的方式中，所述差分演化算法利用变异个体与预设目标个体进行参数混合生成的试验个体；
12、若所述试验个体的适应度值优于预设目标个体的适应度值，则在下一代中变异中选择所述预设目标个体，否则选择所述预设目标个体。
13、在一种可选的方式中，所述门控注意力模块用于更新注意力权重，所述权重的更新公式为：
14、
15、其中，s为更新权重，r为卷积核，h为提取的特征，sigmod为激活函数。
16、在一种可选的方式中，所述densenet网络模型通过所述门控注意力模块对中间层网络特征进行变换，特征变换的具体公式为：
17、
18、其中，α,β,θ为训练参数，α用于调整门控权重β和偏置项θ，rd表示第d层的输入特征，为变换后的特征，f为变换函数，x为输出特征。
19、在一种可选的方式中，所述选择所述预设目标个体的具体公式为：
20、
21、其中，xi(n+1)为选择后的个体，f为当前种群适应度函数，xi(n)为原种群，ci(n+1)为变异后种群，n为第n代。
22、根据本专利技术的另一方面，提供了一种基于堤坝自有红外特征属性的白蚁病害识别装置，包括：
23、采集模块，用于利用红外热线仪对堤坝进行扫描获取堤坝点云数据；
24、处理模块，用于根据所述堤坝点云数据提取所述堤坝的至少一个蚁源区、迎水坡、背水坡以及坝顶部位数据；
25、识别模块，用于将所述堤坝的各个部位数据输入预先训练的堤坝病害识别模型，得到所述堤坝的白蚁危害等级预测结果；其中，所述堤坝病害识别模型根据已有的水利工程实例样本训练得到，所述水利工程实例样本包括气候、生态环境、泥被、泥线、分飞孔与蚁巢伞外露特征、成漏洞、跌窝以及脱坡特征。
26、根据本专利技术的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
27、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基于堤坝自有红外特征属性的白蚁病害识别方法对应的操作。
28、根据本专利技术提供的方案，利用红外热线仪对堤坝进行扫描获取堤坝点云数据；根据所述堤坝点云数据提取所述堤坝的至少一个蚁源区、迎水坡、背水坡以及坝顶部位数据；将所述堤坝的各个部位数据输入预先训练的堤坝病害识别模型，得到所述堤坝的白蚁危害等级预测结果；其中，所述堤坝病害识别模型根据已有的水利工程实例样本训练得到，所述水利工程实例样本包括气候、生态环境、泥被、泥线、分飞孔与蚁巢伞外露特征、成漏洞、跌窝以及脱坡特征。本专利技术根据堤坝特点、生态环境和气候特征等预测堤坝的白蚁危害等级结果，提高了堤坝白蚁病害识别的自动化程度和检测精度。
29、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，包括：
2.根据权利要求1所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述根据所述堤坝点云数据提取所述堤坝的至少一个蚁源区、迎水坡、背水坡以及坝顶部位数据进一步包括：
3.根据权利要求2所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，通过DenseNet网络模型提取所述部位数据的灰度特征和纹理特征，并运用差分演化算法提取最优特征集，其中，所述DenseNet网络模型由Dense模块和Transition模块组成，所述Dense模块包括门控注意力模块以及残差网络模块，所述差分演化算法嵌入至所述DenseNet网络模型的池化层之后，并于全连接层之前。
4.根据权利要求3所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述门控注意力模块用于控制各个通道的权重，其包括至少一个门控动态算子。
5.根据权利要求3所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述差分演化算法利用变异个体与预设目标个体进行参数混合生成的试验
6.根据权利要求3所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述门控注意力模块用于更新注意力权重，所述权重的更新公式为：
7.根据权利要求3所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述方法还包括：
8.根据权利要求5所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述选择所述预设目标个体的具体公式为：
9.一种基于堤坝自有红外特征属性的白蚁病害识别装置，其特征在于，包括：
10.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
...【技术特征摘要】
1.一种基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，包括：
2.根据权利要求1所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述根据所述堤坝点云数据提取所述堤坝的至少一个蚁源区、迎水坡、背水坡以及坝顶部位数据进一步包括：
3.根据权利要求2所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，通过densenet网络模型提取所述部位数据的灰度特征和纹理特征，并运用差分演化算法提取最优特征集，其中，所述densenet网络模型由dense模块和transition模块组成，所述dense模块包括门控注意力模块以及残差网络模块，所述差分演化算法嵌入至所述densenet网络模型的池化层之后，并于全连接层之前。
4.根据权利要求3所述的基于堤坝自有红外特征属性的白蚁病害识别方法，其特征在于，所述门控注意力模块用于控制各个通道的权重，其包括...
【专利技术属性】
技术研发人员：王祥，梁经纬，姚纪华，杨媛丽，姜楚，陈迪，李荣亮，
申请(专利权)人：湖南省水利水电科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。