CN116858748A - 土石堤坝渗漏程度的精细化辨识巡查方法及装置 - Google Patents
土石堤坝渗漏程度的精细化辨识巡查方法及装置 Download PDFInfo
- Publication number
- CN116858748A CN116858748A CN202310867669.XA CN202310867669A CN116858748A CN 116858748 A CN116858748 A CN 116858748A CN 202310867669 A CN202310867669 A CN 202310867669A CN 116858748 A CN116858748 A CN 116858748A
- Authority
- CN
- China
- Prior art keywords
- leakage
- area
- aerial vehicle
- unmanned aerial
- dam
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007689 inspection Methods 0.000 title description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 57
- 230000003595 spectral effect Effects 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000002310 reflectometry Methods 0.000 claims description 21
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 239000004744 fabric Substances 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 239000006185 dispersion Substances 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 230000003204 osmotic effect Effects 0.000 claims description 2
- 239000004575 stone Substances 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 230000007123 defense Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 3
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/0806—Details, e.g. sample holders, mounting samples for testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N2015/0813—Measuring intrusion, e.g. of mercury
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及土石堤坝渗漏程度的精细化辨识巡查方法及装置，通过无人机搭载高光谱成像仪拍摄土石堤坝坝面，利用两次阈值设置提取渗漏区域，根据渗漏区域面积变化和光谱反射率统计参数的变化分别定义渗漏区域的扩散度和含水量变化，利用含水量变化和扩散度的数值评估渗漏程度。本发明的装置和方法能够提高堤坝异常渗漏险情的精准辨识能力，提升灾害防御的自动化和智能化水平。
Description
技术领域
本发明属于土石堤坝渗漏检测技术领域，具体涉及土石堤坝渗漏程度的精细化辨识巡查方法及装置。
背景技术
土石堤坝是水利工程的重要组成部分，能够保障人民的生命财产安全。渗漏作为土石堤坝主要的隐患之一，具有一定的隐蔽性和不确定性，严重时会诱发溃坝灾害。对土石堤坝渗漏隐患进行监测与诊断，成为土石堤坝健康状态解释及服役寿命预测中亟待解决的关键问题。现行巡堤查漏技术存在许多不足：①基层抢险经验不足、技术人员缺乏，极难准确识别隐蔽性很强的异常渗漏险情；②基于电法、电磁法以及地震法的地球物理探测技术呈现多样性发展，各技术应用存在多解性和局限性；③采用机载红外热像技术对堤坝进行渗漏检测，以低温区域判定为渗漏点，但堤坝表面坑凹、积水和植被覆盖情况普遍且都呈现低温，引起“类渗漏”干扰，则误判率极高。④同位素示踪法需要渗漏源，人工示踪剂投放困难且观测周期较长，放射性示踪剂对环境存在不利影响。
高光谱成像技术常用于精准农业、环境监测、食品安全以及油气勘探等领域，但由于土石堤坝坝面环境复杂性和工作场景的特殊性，缺乏精细化识别渗漏情况评价指标区分“类渗漏”，以及建立渗漏程度等级，因此该技术在土石堤坝渗漏检测的可行性还需适配巡查方法验证。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷，提供土石堤坝渗漏程度的精细化辨识巡查方法及装置。
为实现上述目的，本发明采用如下技术方案：
土石堤坝渗漏程度的精细化辨识巡查方法，包括：
利用无人机携带高光谱成像仪巡检土石堤坝下游面，拍摄堤坝下游面光谱图，通过预设特征波段光谱反射率阈值提取疑似存在水体部位；
无人机复飞，巡检疑似存在水体部位并拍摄高光谱图像，从高光谱图像提取pH≥阈值的区域作为渗漏区域，获取渗漏区域光谱反射率的统计参数，并计算渗漏区域面积；
无人机间隔预设时间T后再次复飞，巡检所述渗漏区域并拍摄高光谱图像，重新计算渗漏区域光谱反射率的统计参数和渗漏区域面积；
基于两次复飞的光谱反射率的统计参数的比值和渗漏区域面积比值表征渗漏区域的含水量变化和扩散度，利用含水量变化和扩散度的数值评估渗漏程度。
作为一种优选的实施方式，pH阈值的确定方式为：
利用高光谱成像仪分别拍摄土石堤坝中已确定的降雨积水区域和渗漏水区域，并分析水体特征波段中降雨积水区域和渗漏水区域的光谱反射率数值，基于该数值设置可区分降雨积水和渗漏水的阈值。优选的，pH阈值设定为7。
作为一种优选的实施方式，在识别疑似存在水体部位或渗漏区域后，记录无人机的定位和飞行参数，用于控制无人机复飞位置。
作为一种优选的实施方式，第一次飞行时，设定无人机巡检线路，如果坝体高度H＜15m，则设置1条航拍线路，调整无人机的高度，使得高光谱成像仪的拍摄视野能够覆盖坝体整个下游面，然后沿着坝轴线方向航拍一次，完成整个坝体下游面的巡检；如果坝体高度15m≤H＜30m，则设置2条平行的航拍线路，调整无人机的高度，使得2条航拍线路的拍摄视野能够覆盖坝体整个下游面，然后沿着坝轴线方向航拍2次，完成整个坝体下游面的巡检。
作为一种优选的实施方式，在识别疑似存在水体部位后触发报警，同时记录无人机的定位和飞行参数。
作为一种优选的实施方式，对高光谱图像的光谱反射率进行一阶微分处理后，进行疑似存在水体部位和渗漏区域的提取。一阶微分处理能够增强渗漏区域内含水量的光谱差异性，便于分析复飞和再次复飞特征波段反射率变化。
作为一种优选的实施方式，所述光谱反射率的统计参数为渗漏处特征波段的光谱反射率的极小值。
作为一种优选的实施方式，所述利用含水量变化和扩散度数值评估渗漏程度的方式为：
当1<r<1.2且1<k<1.3，判定此时为轻微散浸阶段；
当1.2≤r且1.3≤k＜1.5时，判定为快速渗漏阶段；
当r=1且1.5<k时，判定为渗透破坏阶段。
作为一种优选的实施方式，所述方法还包括，在第一次复飞确定渗漏区域后，利用PVC管围成将渗漏区域包含在内的规则四边形，四边形与渗漏区域之间预留渗漏空间；利用四边形面积作为计算参考，计算复飞和再次复飞时的实际渗漏区域面积。
本发明的另一目的在于提供上述方法使用的装置，包括无人机、无人机上搭载的高光谱成像仪、地面遥控台、PVC管和灰布；
所述PVC管围成规则四边形，将渗漏区域包含在内；
所述灰布放置于拍摄区域；
所述地面遥控台接收高光谱成像仪拍摄的高光谱图像并进行数据处理，包括：
分类识别及报警模块、区域面积估算模块、光谱特征提取模块、渗漏程度评估模块；所述分类识别及报警模块分别基于预设特征波段光谱反射率阈值和pH阈值进行疑似存在水体部位和渗漏区域的提取，并在发现疑似存在水体部位时进行报警；所述区域面积估算模块对提取的渗漏区域进行面积估算；所述光谱特征提取模块获取渗漏区域光谱反射率的统计参数；所述渗漏程度评估模块基于两次复飞的光谱反射率的统计参数的比值和渗漏区域面积比值表征渗漏区域的含水量变化和扩散度，利用含水量变化和扩散度的数值评估渗漏程度。
本发明的识别原理如下：第一次飞行时，由于不同物体的光谱信息不同，对高光谱影像数据进行不同地物种分类识别，通过设定特征波段光谱反射率域值R0，排除植被，坑洼等无关信息干扰，对疑似有水部位报警并记录。复飞时，重新设定阈值用于区分不同pH的水体，对疑似有水报警区域进行光谱信息分析，筛分降雨积水还是水库渗漏水，并对渗漏水进行收集光谱信息，绘制反射率R1曲线，观察波段峰值和波谷，获取光谱数据反射率统计参数R1'，并计算其渗漏区域面积S1。降雨积水由于溶解了空气中的二氧化碳等生成碳酸等物质，降雨积水呈弱酸性，而大坝渗漏水通常呈碱性，可设置pH阈值区分。再次复飞时，绘制反射率R2曲线，获取光谱数据反射率统计参数R2'，以及渗水区面积S2，计算反射率变化r=R1'/R2'（表示土壤含水量变化情况，即含水度）和面积变化率k= S2/S1（表示渗漏区域扩散程度变化，即扩散度），利用含水度和扩散度综合评估渗漏情况。
由于渗漏区域水量的不断增加会使得渗漏区域面积增大，而含水量的增大会使光谱反射率降低。当1<r<1.2，1<k<1.3时，出渗处的水浸湿周围土体，渗漏区域土体含水量会增加，渗漏面积发生扩增，但因未形成可见水流，R1'和R2'值较大，判定此时为轻微散浸阶段；当1.2≤r，1.3≤k<1.5时，出现可见水流不断溢出，渗漏区域的渗漏面积和含水度均不断增加，判定为快速渗漏阶段；当r=1，1.5<k时，渗透区域土体近似达到饱和状态，含水度无明显变化，且R1'和R2'值较小，而坝面浸湿土体的面积会快速扩大，判定为渗透破坏阶段。
本发明的方法和装置具有如下有益效果：
（1）巡检效率高：采用无人机搭载高光谱成像仪，并且设置自动报警模块，实现全天时、非接触、大面积、快速高效、灵活机动地巡检土石堤坝，与人工步行巡检相比较，效率可以提升了3倍以上，尤其适用于量大面广的土石堤坝坝体渗漏检查；
（2）识别精度高：采集到的光谱图像信息量丰富，由于物质成分和结构的差异，造成物质内部对不同波长光子的选择性吸收和发射，不同地物间的差别在图像上能很好地体现出来，同时物体的反射光谱具有“指纹”效应，以不同物不同谱分辨不同的物质信息。
（3）量化渗漏程度：基于高光谱成像仪获取的影像和光谱信息，定量化评估渗漏区域含水量以及面积等状态参量，综合各状态参量合理划分渗漏水等级，将为渗漏水治理方案提供有力的理论基础和依据。
附图说明
图1为基于无人机搭载高光谱成像仪平台巡查土石堤坝渗漏装置结构的示意图。
图2为典型的坝面渗漏可见光图和高光谱图，其中a为可见光图，b为高光谱图，c为坝面不同地物反射率曲线图。
图中：1、无人机；2、高光谱成像仪；3、堤坝下游面；4、堤坝疑似渗漏点；5、地面遥控台；6、分类识别及报警模块；7、区域面积估算模块；8、光谱特征提取模块；9、渗漏程度评估模块；10、PVC管；11、灰布。
实施方式
下面通过具体的实施例对本发明的技术方案作进一步的说明。
如图1和图2所示，基于无人机平台搭载高光谱成像仪发现土石堤坝渗漏程度的精细化识别方法，包括如下步骤：
（1）仪器检查
确保无人机机架完好，桨叶和机臂充分展开，以及高光谱成像仪安装牢固；复核无人机及遥控器电量，保证两者充分满足运行消耗；检查飞行控制系统和搭载控制系统的信号连接，确保高光谱成像仪可正常采样，地面遥控台顺利接收光谱信息；打开GPS信号，确保飞行位置信息动态更新。
（2）巡检准备
观测堤坝地面条件状况，估测无人机视野范围，设定无人机飞行高度以及巡检飞行航线。该坝坝高6m，无人机飞行高度设为13m，视野范围能将下游坝面覆盖；从坝体左肩向右肩巡检，单线完成整个坝体的巡检。考虑无人机飞到一定高度后，高光谱成像仪获取的高光谱影像数据可能会受到大气、水汽等因素的影像。为了消除这些因素的影响，在无人机起飞之前，在拍摄区域放置一块经过国家计量院标定过的2m*2m灰布11，在高光谱影像获取的时候，只需要在其中的一景高光谱中覆盖到灰布即可。
（3）巡检飞行
操控无人机1，从坝体左肩位置起飞，上升至巡检高度13m，使得高光谱成像仪2的拍摄视野范围能够覆盖下游坝面3，自左向右对下游坝面3巡检航拍。巡检过程中，对影像数据进行预处理，主要包括辐射定标、大气校正、正射校正等。在此基础上，结合研究区实际概况，综合各种分类原则，确定研究区的分类识别及报警模块6。分类识别及报警模块6实时读取每一帧光谱图中的反射率，并计算报警条件，发现有警报声某一位置处发出，则确定该位置为堤坝疑似渗漏点4，并自动记录此时无人机1的飞行参数；然后继续巡检，完成整个坝体下游面3的巡检，直到无警报声再次发出。
（4）巡检复飞
根据记录的堤坝疑似渗漏点4的无人机1飞行参数，复飞到堤坝疑似渗漏点4，通过分类识别及报警模块6中设定的渗漏区域提取模块的pH值阈值，对堤坝疑似渗漏点4的高光谱图像进行特征波段提取，发现真实渗漏水；控制无人机1悬停，放置PVC管9构成的四边形将渗漏区域包围，并测量计算PVC管组成四边形面积S；将区域面积估算模块7中获得的渗漏区域和PVC管构成四边形的影像相对面积，与四边形面积S换算，获得实际渗漏区域面积S1；同时光谱特征提取模块8可得到渗漏处特征波段反射率的极小值R1'。
（5）再次复飞
间隔15min后，根据记录的无人机1飞行参数，再次复飞到渗漏位置；由于区域面积估值模块7中获得的渗漏区域和PVC管构成四边形的影像相对面积，通过与四边形面积S换算，获得实际渗漏区域面积S2；同时，光谱特征提取模块8可获得渗漏处特征波段反射率的极小值R2'。
渗漏程度评估模块9通过比较R1'和R2'值的大小，结合r和k的取值范围，诊断该处渗漏点的渗漏情况。
（6）无人机回收
巡检探测作业完毕后，操控员将无人机着陆至安全区域；备份采集的可见光和高光谱信息，填写飞行记录；依次关闭无人机、高光谱成像仪、遥控台等设备的电源，并对无人机进行部件损坏情况检查。
本实施例中，所述无人机1为大疆M300 RTK型无人机，所述高光谱成像仪2为GaiaSky-mini3-VN机载高光谱成像。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能认为用于限定本发明的实施范围。凡依据本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.土石堤坝渗漏程度的精细化辨识巡查方法，其特征在于，包括：
利用无人机携带高光谱成像仪巡检土石堤坝下游面，拍摄堤坝下游面光谱图，通过预设特征波段光谱反射率阈值提取疑似存在水体部位；
无人机复飞，巡检疑似存在水体部位并拍摄高光谱图像，从高光谱图像提取pH≥阈值的区域作为渗漏区域，获取渗漏区域光谱反射率的统计参数，并计算渗漏区域面积；
无人机间隔预设时间T后再次复飞，巡检所述渗漏区域并拍摄高光谱图像，重新计算渗漏区域光谱反射率的统计参数和渗漏区域面积；
基于两次复飞的光谱反射率的统计参数的比值和渗漏区域面积比值表征渗漏区域的含水量变化和扩散度，利用含水量变化和扩散度的数值评估渗漏程度。
2.根据权利要求1所述的方法，其特征在于，pH阈值的确定方式为：
利用高光谱成像仪分别拍摄土石堤坝中已确定的降雨积水区域和渗漏水区域，并分析水体特征波段中降雨积水区域和渗漏水区域的光谱反射率数值，基于该数值设置可区分降雨积水和渗漏水的阈值。
3.根据权利要求2所述的方法，其特征在于，pH阈值设定为7。
4.根据权利要求1所述的方法，其特征在于，在识别疑似存在水体部位或渗漏区域后，记录无人机的定位和飞行参数，用于控制无人机复飞位置。
5.根据权利要求1或4所述的方法，其特征在于，在识别疑似存在水体部位后触发报警，同时记录无人机的定位和飞行参数。
6.根据权利要求1所述的方法，其特征在于，对高光谱图像的光谱反射率进行一阶微分处理后，进行疑似存在水体部位和渗漏区域的提取。
7.根据权利要求1所述的方法，其特征在于，所述光谱反射率的统计参数为渗漏处特征波段的光谱反射率的极小值。
8.根据权利要求1所述的方法，其特征在于，所述利用含水量变化和扩散度数值评估渗漏程度的方式为：
当1<r<1.2且1<k<1.3，判定此时为轻微散浸阶段；
当1.2≤r且1.3≤k＜1.5时，判定为快速渗漏阶段；
当r=1且1.5<k时，判定为渗透破坏阶段。
9.根据权利要求1所述的方法，其特征在于，还包括，在第一次复飞确定渗漏区域后，利用PVC管围成将渗漏区域包含在内的规则四边形，四边形与渗漏区域之间预留渗漏空间；利用四边形面积作为计算参考，计算复飞和再次复飞时的实际渗漏区域面积。
10.权利要求1~9任一项的方法使用的装置，其特征在于，包括无人机（1）、无人机（1）上搭载的高光谱成像仪（2）、地面遥控台（5）、PVC管（10）和灰布（11）；
所述PVC管（10）围成规则四边形，将渗漏区域包含在内；
所述灰布（11）放置于拍摄区域；
所述地面遥控台（5）接收高光谱成像仪（2）拍摄的高光谱图像并进行数据处理，包括：
分类识别及报警模块（6）、区域面积估算模块（7）、光谱特征提取模块（8）、渗漏程度评估模块（9）；所述分类识别及报警模块（6）分别基于预设特征波段光谱反射率阈值和pH阈值进行疑似存在水体部位和渗漏区域的提取，并在发现疑似存在水体部位时进行报警；所述区域面积估算模块（7）对提取的渗漏区域进行面积估算；所述光谱特征提取模块（8）获取渗漏区域光谱反射率的统计参数；所述渗漏程度评估模块（9）基于两次复飞的光谱反射率的统计参数的比值和渗漏区域面积比值表征渗漏区域的含水量变化和扩散度，利用含水量变化和扩散度的数值评估渗漏程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310867669.XA CN116858748A (zh) | 2023-07-15 | 2023-07-15 | 土石堤坝渗漏程度的精细化辨识巡查方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310867669.XA CN116858748A (zh) | 2023-07-15 | 2023-07-15 | 土石堤坝渗漏程度的精细化辨识巡查方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116858748A true CN116858748A (zh) | 2023-10-10 |
Family
ID=88228340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310867669.XA Pending CN116858748A (zh) | 2023-07-15 | 2023-07-15 | 土石堤坝渗漏程度的精细化辨识巡查方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116858748A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117435940A (zh) * | 2023-12-20 | 2024-01-23 | 龙建路桥股份有限公司 | 一种面向冬季混凝土养护过程中光谱检测方法 |
-
2023
- 2023-07-15 CN CN202310867669.XA patent/CN116858748A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117435940A (zh) * | 2023-12-20 | 2024-01-23 | 龙建路桥股份有限公司 | 一种面向冬季混凝土养护过程中光谱检测方法 |
| CN117435940B (zh) * | 2023-12-20 | 2024-03-05 | 龙建路桥股份有限公司 | 一种面向冬季混凝土养护过程中光谱检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105115873B (zh) | 混凝土抗渗性的无损检测方法 | |
| US20150213299A1 (en) | Infrared image based early detection of oil spills in water | |
| CN116858748A (zh) | 土石堤坝渗漏程度的精细化辨识巡查方法及装置 | |
| CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
| CN106644542A (zh) | 一种吸油烟机吸烟性能评估方法 | |
| Jennings et al. | Mace Head Atmospheric Research Station-characterization of aerosol radiative parameters | |
| Mirbod et al. | Automated measurement of berry size in images | |
| Bellot et al. | Present weather-sensor tests for measuring drifting snow | |
| CN115914282A (zh) | 多维度监控埋地天然气管道泄露监测系统 | |
| CN102928083A (zh) | 森林防火用红外测温仪及其测温方法 | |
| Massaro et al. | Technological platform for hydrogeological risk computation and water leakage detection based on a convolutional neural network | |
| CN107977531A (zh) | 一种基于图像处理和领域数学模型进行接地电阻软测量的方法 | |
| CN110487990A (zh) | 一种智能化黑土坡耕地侵蚀自反馈系统及实施方法 | |
| CN113191292B (zh) | 一种溃决洪水淹没范围快速提取方法 | |
| CN111122053B (zh) | 小型水库坝体早期非稳定渗漏的检测装置与方法 | |
| CN114324202A (zh) | 基于光谱分析的小流域水质监测方法 | |
| CN206021512U (zh) | 一种暴雨型稀性泥石流的检测预报预警装置 | |
| Shugart et al. | Determination of stand properties in boreal and temperate forests using high-resolution imagery | |
| CN116091986A (zh) | 一种基于计算机视觉的远程视角的扬尘识别设备及方法 | |
| Rumi et al. | Automated cloud classification using a ground based infra-red camera and texture analysis techniques | |
| de Jong et al. | Preliminary results of the FATMOSE atmospheric propagation trials in the False Bay, South Africa, November 2009-July 2010 | |
| KR20230059187A (ko) | 인공지능을 이용한 하천 이용 안전관리시스템 및 하천 이용 안전관리방법 | |
| CN206489042U (zh) | 一种地面固定环境监测平台 | |
| CN113670454A (zh) | 一种自动观测气象卫星热红外通道在轨场地辐射定标方法 | |
| CN215525515U (zh) | 水质监测装置 |
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 |