CN114816775B - 一种陡坡防滑坡危险勘测方法 - Google Patents
一种陡坡防滑坡危险勘测方法 Download PDFInfo
- Publication number
- CN114816775B CN114816775B CN202210761351.9A CN202210761351A CN114816775B CN 114816775 B CN114816775 B CN 114816775B CN 202210761351 A CN202210761351 A CN 202210761351A CN 114816775 B CN114816775 B CN 114816775B
- Authority
- CN
- China
- Prior art keywords
- image
- survey
- steep slope
- information
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Abstract
本发明公开一种陡坡防滑坡危险监测信息分析方法,涉及勘测技术领域,通过终端设备实现陡坡防滑坡数据信息的获取,其中终端设备至少包括监测终端、雨量监测终端、地表裂缝监测终端、深部位移监测终端或者土壤水分计;并通过K‑means聚类算法实现多源异构数据信息的处理;通过无线通信的方式或者串行通信方式实现陡坡防滑坡数据信息特征接收,通过卷积神经网络与长短期记忆神经网络提取陡坡防滑坡数据信息特征,并对提取陡坡防滑坡数据信息特征进行分析;构建预警模型实现陡坡防滑坡数据信息的分析,预警模型为KM‑SVM滑坡实时预警模型;本发明能够实现陡坡防滑坡危险信息更具体信息的分析与挖掘,提高数据信息的分析能力。
Description
技术领域
本发明涉及勘测领域,且更确切地涉及一种陡坡防滑坡危险勘测方法。
背景技术
陡坡是指坡度大于临界底坡的渠道底坡,也指急剧升高的斜坡。边坡防滑坡安全技术措施方案在各种场合应用中具有极其重要的作用。山体滑坡(landslides)是指山体斜坡上某一部分岩土在重力(包括岩土本身重力及地下水的动静压力)作用下,沿着一定的软弱结构面(带)产生剪切位移而整体地向斜坡下方移动的作用和现象。俗称“走山”、“垮山”、“地滑”、“土溜”等。是常见地质灾害之一。主要的诱发因素有:地震、降雨和融雪、地表水的冲刷、浸泡、河流等地表水体对斜坡坡脚的不断冲刷;不合理的人类工程活动,如开挖坡脚、坡体上部堆载、爆破、水库蓄(泄)水、矿山开采等都可诱发滑坡,还有如海啸、风暴潮、冻融等作用也可诱发滑坡。最常见的自然诱发因素是天降大雨或暴雨,特别是久雨后再突降大雨更容易诱发滑坡。
在现实生活中,滑坡裂缝形变速率、水平方向累积形变量、垂直方向平均形变速率、累积加速度、累积加加速度、裂缝、累积形变量、日降雨量和土壤含水量等多种数据信息对山体滑坡都有重要影响因素。如何实现这些参数及部件的评估是对于山体滑坡至关重要。现有技术通常采用人工经验学方法和检测设备检测上体表面现象,这种技术虽然对于安全防护具有一定的参考价值,但是无法实现数据信息的分析,无法获取陡坡防滑坡危险信息更具体信息的分析与挖掘。
发明内容
针对上述技术的不足,本发明公开一种陡坡防滑坡危险监测信息分析方法,能够实现陡坡防滑坡危险信息更具体信息的分析与挖掘,提高数据信息的分析能力。
为了实现上述技术效果,本发明采用以下技术方案:
一种陡坡防滑坡危险勘测方法,其中包括:
(S1)采用陡坡地面勘测设备对陡坡防滑坡现场数据信息获取和勘测,通过柔性摄像装置采集由测量单元获得的陡坡滑移面位移数据,以便操作员识别地面中滑动危险情况;
(S2)勘测设备将采集到的数据信息经过外部导管到达地面控制单元,控制单元包括服务程序和通信程序,分别进行对勘测信息进行预处理和远程通讯,通过边缘计算网关实现与云平台数据信息的交互,通过边缘计算提高通信交互能力;
(S3)通过边缘计算计算地下水位监测与勘测地层图像数据信息,采用高斯差分函数改进的暗通道先验算法分化勘测图像信息,将复杂的整体图形信息单一化;通过大数据处理中心集中处理勘测图像数据与监控勘测设备勘测数据,通过传输总线传递至后台服务器端;
(S4)微机控制中心负责处理传输的勘测信息,网络通信通过光纤和网络基站完成输出数据信息的传输,将监控设备采集的勘测信息,输送到各自处理主站或者由数据库收录,整个陡坡地质指令调度中心负责全方位监控,通过调度中心对勘测设备状态进行全面检测,提高波动反应能力,对陡坡地面勘测信息波动位置进行针对性校正,根据数据可视化分析滑坡危险度,由上层管理人员决策当前形势的滑坡危险情况,并设计出解决措施。
作为本发明进一步的技术方案,陡坡地面勘测设备为摆锤式滑坡勘测装置,其中摆锤式滑坡勘测装置包括外管、多个测量单元、导管、柔性摄像装置、计算机控制单元、电缆、第一连接环、第二连接环、横梁、透明水位监测管、量规、摆锤组、铅垂线和摆件;
其中外管为埋入地下的管状结构,外管容腔内设置导管,导管内部设置有柔性摄像装置,柔性摄像装置设置有电缆,所述电缆连接有计算机控制单元,所述外管还设置有多个测量单元;其中多个测量单元设置在外管内部并沿外管布置,用于测量外管在地下不同深度处发生的位移;其中柔性摄像装置通过用于捕获动态或静态图像的电缆悬挂在导管中;其中测量单元的上部和下部分别设置有第一连接环和第二连接环;并且所述测量单元中间部分设置有至少一个连接环横梁;透明水位监测管沿连接测量单元位于连接环旁,水位监测管与外管的外部连通,用于抽取滑坡的地下水;铅垂线为垂直于地面的理论参考线,铅垂线和摆锤组以及摆件互相平行设置,量规平行与导管的底面设置,第一连接环和第二连接环互相平行设置,横梁设置在外管内部,透明水位监测管设置在横梁上。
作为本发明进一步的技术方案,测量单元(2)长600 mm。
作为本发明进一步的技术方案,柔性摄像装置包括图像选择模块、模糊度判断模块、锁定模块和图像输出模块,其中所述图像选择模块的输出端与模糊度判断模块的输入端连接,模糊度判断模块的输出端与锁定模块的输入端连接,锁定模块的输出端与图像输出模块的输入端连接,其中所述图像选择模块用于选择陡坡防滑坡危险区域的位置,模糊度判断模块用于对陡坡防滑坡危险区域的位置进行轮廓定位,锁定模块用于对陡坡防滑坡危险区域的位置进行精细锁定,图像输出模块用于将锁定的陡坡勘测信息输出。
作为本发明进一步的技术方案,通过暗通道先验DCP算法分化勘测图像信息。
作为本发明进一步的技术方案,所述暗通道先验DCP算法处理陡坡勘测图像的方法为:
步骤一、提取监控陡坡勘测图像数据信息,寻找最清晰的图像数据,函数表达式为:
步骤二、差分计算;
差分函数是不同尺度的两个核之间的差,定义如下:
公式(2)寻找最佳清晰度的过程为DCP算法,将处理后的陡坡勘测图像进行分解;
步骤三、构建分解函数,其中分解函数中每一段的识别时间记为:
陡坡勘测图像处理信息。
步骤四、陡坡勘测图像处理函数,表达式为:
作为本发明进一步的技术方案,数据可视化分析滑坡危险度时,通过可视化分析函数实现滑坡危险度检测和评估,其中设置陡坡勘测位置,将不同位置数据信息设置为向量空间函数,则记作为:
本发明有益的积极效果在于:
区别于常规技术,本发明采用陡坡地面勘测设备对陡坡防滑坡现场数据信息获取和勘测,通过柔性摄像装置采集由测量单元获得的陡坡滑移面位移数据,以便操作员识别地面中滑动危险情况,勘测设备将采集到的数据信息经过外部导管到达地面控制单元,控制单元包括服务程序和通信程序,分别进行对勘测信息进行预处理和远程通讯,通过边缘计算网关实现与云平台数据信息的交互,通过边缘计算提高通信交互能力,通过边缘计算计算地下水位监测与勘测地层图像数据信息,采用高斯差分函数改进的暗通道先验算法分化勘测图像信息,将复杂的整体图形信息单一化;通过大数据处理中心集中处理勘测图像数据与监控勘测设备勘测数据,通过传输总线传递至后台服务器端,网络通信通过光纤和网络基站完成输出数据信息的传输,将监控设备采集的勘测信息,输送到各自处理主站或者由数据库收录,整个陡坡地质指令调度中心负责全方位监控,通过调度中心对勘测设备状态进行全面检测,提高波动反应能力,对陡坡地面勘测信息波动位置进行针对性校正。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图,其中:
图1为本发明流程结构示意图;
图2为本发明一种实施例结构示意图;
图3为本发明测量单元应用示意图;
图4为本发明测量单元内部架构示意图;
附图标识:外管1、多个测量单元2、导管3、柔性摄像装置4、计算机控制单元5、电缆6、第一连接环8、第二连接环9、横梁10、透明水位监测管11、量规12、摆锤组13、铅垂线14、摆件15。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1-图4所示,一种陡坡防滑坡危险勘测方法,包括:
(S1)采用陡坡地面勘测设备对陡坡防滑坡现场数据信息获取和勘测,通过柔性摄像装置采集由测量单元获得的陡坡滑移面位移数据,以便操作员识别地面中滑动危险情况;此外,在具体实施例中,勘测设备还能够通过透明水位监测管测量地下水位,判定当前地质位移流向。
(S2)勘测设备将采集到的数据信息经过外部导管到达地面控制单元,控制单元包括服务程序和通信程序,分别进行对勘测信息进行预处理和远程通讯,通过边缘计算网关实现与云平台数据信息的交互,通过边缘计算提高通信交互能力;
(S3)通过边缘计算计算地下水位监测与勘测地层图像数据信息,采用高斯差分函数改进的暗通道先验算法分化勘测图像信息,将复杂的整体图形信息单一化;通过大数据处理中心集中处理勘测图像数据与监控勘测设备勘测数据,通过传输总线传递至后台服务器端;
(S4)微机控制中心负责处理传输的勘测信息,网络通信通过光纤和网络基站完成输出数据信息的传输,将监控设备采集的勘测信息,输送到各自处理主站或者由数据库收录,整个陡坡地质指令调度中心负责全方位监控,通过调度中心对勘测设备状态进行全面检测,提高波动反应能力,对陡坡地面勘测信息波动位置进行针对性校正,根据数据可视化分析滑坡危险度,由上层管理人员决策当前形势的滑坡危险情况,并设计出解决措施。
在上述实施例中,陡坡地面勘测设备为摆锤式滑坡勘测装置,其中摆锤式滑坡勘测装置包括外管1、多个测量单元2、导管3、柔性摄像装置4、计算机控制单元5、电缆6、第一连接环8、第二连接环9、横梁10、透明水位监测管11、量规12、摆锤组13、铅垂线14和摆件15;
其中外管1 为埋入地下的管状结构,外管1容腔内设置导管3,导管3内部设置有柔性摄像装置4,柔性摄像装置4设置有电缆6,所述电缆6连接有计算机控制单元5,所述外管1还设置有多个测量单元2;其中多个测量单元2设置在外管1内部并沿外管1布置,用于测量外管1在地下不同深度处发生的位移;其中柔性摄像装置4通过用于捕获动态或静态图像的电缆6悬挂在导管3中;其中测量单元2的上部和下部分别设置有第一连接环8和第二连接环9;并且所述测量单元2中间部分设置有至少一个连接环横梁10;透明水位监测管11沿连接测量单元2位于连接环8旁,水位监测管11与外管1的外部连通,用于抽取滑坡的地下水;铅垂线14为垂直于地面的理论参考线,铅垂线14和摆锤组13以及摆件15互相平行设置,量规12平行与导管3的底面设置,第一连接环8和第二连接环9互相平行设置,
横梁10设置在外管1内部,透明水位监测管11设置在横梁10上。
在具体实施例中,将外管1嵌入并定位在观察井中,测量单元2布置在外管1内部并沿外管1布置,用于测量外管1在地下不同深度处发生的位移;导管3也位于外管1中;柔性摄像装置4电连接到计算机控制单元5,并通过用于捕获动态或静态图像的电缆6悬挂在导管3中,沿着外管1,提供多个测量单元2,每个测量单元2长600 mm,测量单元2的上部和下部分别具有连接环8和9;此外,测量单元2在其中间部分具有至少一个连接环横梁10;透明水位监测管11沿连接测量单元2位于连接环8旁边,水位监测管11与外管1的外部连通,用于抽取滑坡的地下水。
测量单元2放置在机架的上部连接环8和机架的连接环9上,属于同一外管1框架的两个测量单元2可以上连接环8处的测量单元沿东西方向布置,连接环9处的测量单元沿南北方向布置,每个测量单元之间相隔600 mm,交替方向放置的测量单元2的组合有助于准确测量滑动面的滑动方位角。测量单元包括至少一个横梁10,其上设有量规12,在横梁10和量规12之间的机架上提供摆锤组13,分别用于测量两条铅垂线的摆动。摆锤组13的两根铅垂线可以是不同的颜色,以便于识别其摆动。当滑动面位移时,铅垂线14和摆15响应振荡。此时,铅垂线14的不同颜色有助于指示滑动面是朝向陡坡还是其他方向移动。
在上述实施例中,测量单元(2)长600 mm。
在上述实施例中,柔性摄像装置包括图像选择模块、模糊度判断模块、锁定模块和图像输出模块,其中所述图像选择模块的输出端与模糊度判断模块的输入端连接,模糊度判断模块的输出端与锁定模块的输入端连接,锁定模块的输出端与图像输出模块的输入端连接,其中所述图像选择模块用于选择陡坡防滑坡危险区域的位置,模糊度判断模块用于对陡坡防滑坡危险区域的位置进行轮廓定位,锁定模块用于对陡坡防滑坡危险区域的位置进行精细锁定,图像输出模块用于将锁定的陡坡勘测信息输出。
在具体实施例中,图像选择模块通过360°旋转摄像头实现图像信息的多角度选择,模糊度判断模块包括对原始图像信息提取,设置陡坡防滑坡危险区域图像的大小,再设置图像的灰度图,以实现图像模糊检测,在具体实施例中,还可以采用模糊综合评价法,比如模糊综合评价法, CNN图像处理模型等,通过这种方法能够将图像数据信息划分成很多小方格,当通过CNN图像处理模型对局部方格实现分析时,发现异常数据信息比较多,可以通过锁定模块实现局部数据信息的定位,进而通过图像输出模块将选择图像区域提取,柔性摄像装置能够自适应调节不同区域、模块的数据信息,以提高图像数据信息获取能力。
在上述实施例中,通过暗通道先验(Dark channel prior algorithm,DCP)算法分化勘测图像信息,暗通道先验算法能够提高陡坡勘测图像的处理能力
在上述实施例中,陡坡勘测图像处理方法为:
步骤一、提取监控陡坡勘测图像数据信息,寻找最清晰的图像数据,函数表达式为:
公式(1)中,为监控陡坡勘测图像数据库;为陡坡勘测监控录像信息变量;为陡坡勘测图像样本;表示数据库标识,为了有效地检测尺度空间中的稳定特征点,需
要使用高斯差分函数将陡坡勘测图像投影到差分尺度空间中。
步骤二、差分计算;
差分函数是不同尺度的两个核之间的差,定义如下:
公式(2)寻找最佳清晰度的过程为DCP算法,将处理后的陡坡勘测图像进行分解;
步骤三、构建分解函数,其中分解函数中每一段的识别时间记为:
分解陡坡勘测图像后,在识别时间内要求解析整个陡坡勘测图像,需要完成整个图像的处理,经过处理得到整合的陡坡勘测图像处理信息。
步骤四、陡坡勘测图像处理函数,表达式为:
在上述实施例中, 数据可视化分析滑坡危险度时,通过可视化分析函数实现滑坡危险度检测和评估,其中设置陡坡勘测位置,将不同位置数据信息设置为向量空间函数,则记作为:
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (3)
1.一种陡坡防滑坡危险勘测方法,其特征在于:包括:
(S1)采用陡坡地面勘测设备对陡坡防滑坡现场数据信息获取和勘测,通过柔性图像捕获设备采集由测量单元获得的陡坡滑移面位移数据,以便操作员识别地面中滑动危险情况;
(S2)勘测设备将采集到的数据信息经过外部导管到达地面控制单元,控制单元包括服务程序和通信程序,分别进行对勘测信息进行预处理和远程通讯,通过边缘计算网关实现与云平台数据信息的交互,通过边缘计算提高通信交互能力;
(S3)通过边缘计算计算地下水位监测与勘测地层图像数据信息,采用高斯差分函数改进的暗通道先验算法分化勘测图像信息,将复杂的整体图形信息单一化;通过大数据处理中心集中处理勘测图像数据与监控勘测设备勘测数据,通过传输总线传递至后台服务器端;
(S4)微机控制中心负责处理传输的勘测信息,网络通信通过光纤和网络基站完成输出数据信息的传输,将监控设备采集的勘测信息,输送到各自处理主站或者由数据库收录,整个陡坡地质指令调度中心负责全方位监控,通过调度中心对勘测设备状态进行全面检测,提高波动反应能力,对陡坡地面勘测信息波动位置进行针对性校正,根据数据可视化分析滑坡危险度,由上层管理人员决策当前形势的滑坡危险情况,并设计出解决措施;
其中柔性图像捕获设备包括图像选择模块、模糊度判断模块、锁定模块和图像输出模块,其中所述图像选择模块的输出端与模糊度判断模块的输入端连接,模糊度判断模块的输出端与锁定模块的输入端连接,锁定模块的输出端与图像输出模块的输入端连接,其中所述图像选择模块用于选择陡坡防滑坡危险区域的位置,模糊度判断模块用于对陡坡防滑坡危险区域的位置进行轮廓定位,锁定模块用于对陡坡防滑坡危险区域的位置进行精细锁定,图像输出模块用于将锁定的陡坡勘测信息输出;
其中通过暗通道先验DCP算法分化勘测图像信息;
其中所述暗通道先验DCP算法处理陡坡勘测图像的方法为:
步骤一、提取监控陡坡勘测图像数据信息,寻找最清晰的图像数据,函数表达式为:
步骤二、差分计算;
差分函数是不同尺度的两个核之间的差,定义如下:
公式(2)寻找最佳清晰度的过程为DCP算法,将处理后的陡坡勘测图像进行分解;
步骤三、构建分解函数,其中分解函数中每一段的识别时间记为:
陡坡勘测图像处理信息;
步骤四、陡坡勘测图像处理函数,表达式为:
数据可视化分析滑坡危险度时,通过可视化分析函数实现滑坡危险度检测和评估,其中设置陡坡勘测位置,将不同位置数据信息设置为向量空间函数,则记作为:
2.根据权利要求1所述的一种陡坡防滑坡危险勘测方法,其特征在于:陡坡地面勘测设备为摆锤式滑坡勘测装置,其中摆锤式滑坡勘测装置包括外管(1)、多个测量单元(2)、导管(3)、柔性摄像装置(4)、计算机控制单元(5)、电缆(6)、第一连接环(8)、第二连接环(9)、横梁(10)、透明水位监测管(11)、量规(12)、摆锤组(13)、铅垂线(14)和摆件(15);
其中外管(1) 为埋入地下的管状结构,外管(1)容腔内设置导管(3),导管(3)内部设置有柔性摄像装置(4),柔性摄像装置(4)设置有电缆(6),所述电缆(6)连接有计算机控制单元(5),所述外管(1)还设置有多个测量单元(2);其中多个测量单元(2)设置在外管(1)内部并沿外管(1)布置,用于测量外管(1)在地下不同深度处发生的位移;其中柔性摄像装置(4)通过用于捕获动态或静态图像的电缆(6)悬挂在导管(3)中;其中测量单元(2)的上部和下部分别设置有第一连接环(8)和第二连接环(9);并且所述测量单元(2)中间部分设置有至少一个横梁(10);透明水位监测管(11)沿连接测量单元(2)位于第一连接环(8)旁,透明水位监测管(11)与外管(1)的外部连通,用于抽取滑坡的地下水;铅垂线(14)为垂直于地面的理论参考线,铅垂线(14)和摆锤组(13)以及摆件(15)互相平行设置,量规(12)平行与导管(3)的底面设置,第一连接环(8)和第二连接环(9)互相平行设置,横梁(10)设置在外管(1)内部,透明水位监测管(11)设置在横梁(10)上。
3.根据权利要求2所述的一种陡坡防滑坡危险勘测方法,其特征在于:测量单元(2)长600 mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210761351.9A CN114816775B (zh) | 2022-06-30 | 2022-06-30 | 一种陡坡防滑坡危险勘测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210761351.9A CN114816775B (zh) | 2022-06-30 | 2022-06-30 | 一种陡坡防滑坡危险勘测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114816775A CN114816775A (zh) | 2022-07-29 |
CN114816775B true CN114816775B (zh) | 2022-09-30 |
Family
ID=82522873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210761351.9A Active CN114816775B (zh) | 2022-06-30 | 2022-06-30 | 一种陡坡防滑坡危险勘测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114816775B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116625317B (zh) * | 2023-07-26 | 2023-10-03 | 天津达一众诚科技有限公司 | 一种基于图像处理的陡坡表面坡度检测方法及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5733740B2 (ja) * | 2010-10-19 | 2015-06-10 | 国立研究開発法人農業・食品産業技術総合研究機構 | 地すべり観測システム |
TWM420706U (en) * | 2011-03-08 | 2012-01-11 | Hao-Rong Xie | Pendulum type stratum sliding surface measuring instrument |
KR101311456B1 (ko) * | 2012-10-25 | 2013-09-25 | 주식회사 로드코리아 | 노면 안정성 분석방법 |
JP2018146546A (ja) * | 2017-03-09 | 2018-09-20 | エアロセンス株式会社 | 情報処理システム、情報処理装置および情報処理方法 |
CN112050742A (zh) * | 2020-09-28 | 2020-12-08 | 中国地质调查局水文地质环境地质调查中心 | 一种滑坡裂缝位移自适应监测系统及方法 |
CN113538284A (zh) * | 2021-07-22 | 2021-10-22 | 哈尔滨理工大学 | 一种基于暗通道先验的图像去雾算法的移植方法 |
-
2022
- 2022-06-30 CN CN202210761351.9A patent/CN114816775B/zh active Active
Non-Patent Citations (1)
Title |
---|
基于物联网的滑坡灾害监测预警技术研究;武永波;《中国博硕士学位论文全文数据库(博士)基础科学辑》;20220615;第A011-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114816775A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598881B (zh) | 一种地质灾害监测方法、装置及计算机设备 | |
CN112364802B (zh) | 一种崩塌滑坡灾害体的变形监测方法 | |
Kong et al. | Development and application of UAV-SfM photogrammetry for quantitative characterization of rock mass discontinuities | |
Savvaidis | Existing landslide monitoring systems and techniques | |
CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
CN107764192A (zh) | 一种滑坡多点位移智能监测装置及监测方法 | |
CN102509087A (zh) | 一种基于图像灰度共生矩阵的煤岩识别方法 | |
CN114816775B (zh) | 一种陡坡防滑坡危险勘测方法 | |
Mihalić Arbanas et al. | Application of innovative technologies in landslide research in the area of the City of Zagreb (Croatia, Europe) | |
CN110473387A (zh) | 一种山地管道滑坡地质灾害监测预警系统及方法 | |
CN115263432A (zh) | 一种深埋隧洞稳定性和安全性监测分析系统 | |
CN111815471A (zh) | 一种基于大数据的煤矿资源开采区地质灾害监测预警管理系统 | |
ÖZDOĞAN et al. | Landslide detection and characterization using terrestrial 3D laser scanning (LIDAR) | |
CN207423114U (zh) | 一种滑坡多点位移智能监测装置 | |
CN111679315B (zh) | 基于土壤氡地震前兆异常识别及地震预测方法 | |
Zhou et al. | Automatic discontinuity identification and quantitative monitoring of unstable blocks using terrestrial laser scanning in large landslide during emergency disposal | |
KR102239394B1 (ko) | 땅밀림 발생지 조사 시스템 및 이의 모니터링 장치 | |
CN115457739B (zh) | 一种地质灾害预警方法、装置、电子设备及存储介质 | |
CN116050837A (zh) | 一种面向尾矿库多元灾害的综合监测预警和安全评估方案 | |
CN116045903A (zh) | 一种采煤区地面形变识别与评价方法 | |
CN112946240B (zh) | 滑坡地质灾害基因判识与预测系统 | |
Henderson et al. | Mapping geological faults using image processing techniques applied to hill-shaded digital elevation models | |
CN113673632B (zh) | 边坡视频监测方法及装置 | |
CN109785585A (zh) | 基于光纤传感网络监测预警系统及方法 | |
Weiguo et al. | Shock and Vibration of Rainfall on Rotational Landslide and Analysis of Its Deformation Characteristics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |