CN117370589B - 自然资源全生态实时感知大数据管理方法及管理平台 - Google Patents
自然资源全生态实时感知大数据管理方法及管理平台 Download PDFInfo
- Publication number
- CN117370589B CN117370589B CN202311669814.XA CN202311669814A CN117370589B CN 117370589 B CN117370589 B CN 117370589B CN 202311669814 A CN202311669814 A CN 202311669814A CN 117370589 B CN117370589 B CN 117370589B
- Authority
- CN
- China
- Prior art keywords
- slope protection
- image
- determining
- river channel
- pixel
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008447 perception Effects 0.000 title claims abstract description 14
- 238000013523 data management Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims description 112
- 239000000758 substrate Substances 0.000 claims 2
- 238000012423 maintenance Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种自然资源全生态实时感知大数据管理方法及管理平台，生成与目标河道对应的河道孪生空间，河道孪生空间包括河道模块和护坡模块，护坡模块包括与多个采集点位对应的护坡槽位；接收采集设备采集的多个采集点位的河道图像，对河道图像进行区域解析，得到护坡区域图像，基于采集点位的预设属性确定护坡区域图像的护坡属性；根据护坡属性确定识别策略，基于识别策略对护坡区域图像进行识别，得到识别结果；根据识别结果确定更新信息，响应更新信息和护坡区域图像对相应护坡槽位进行更新，得到管理孪生空间发送至管理端，会对河道护坡中的损坏区域自动识别，并定制化生成孪生空间，方便及时维护。
Description
技术领域
本发明涉及数据处理技术，尤其涉及一种自然资源全生态实时感知大数据管理方法及管理平台。
背景技术
自然资源是指自然界中人类可以直接获得用于生产和生活的物质，比如，可更新资源，指水、土地资源等，其中，河道、河岸的护坡可以减少泥沙进入水体，减少水土流失，起到稳固坡体，维持地形的稳定性的作用，护坡通过工程手段保护土地、水体等重要资源，具有重要的意义。
目前，由于自然因素和人为因素会导致河道护坡出现损坏，比如，雨水的侵蚀、人为挖掘以及倾倒垃圾等，现有技术中，主要通过巡检人员定期对护坡进行实地巡查，通过目测和简单工具检测坡体的稳定性，使得巡查工作量较大，无法对出现损坏的护坡进行自动识别。
因此，如何对河道护坡中的损坏区域进行自动识别，并定制化生成展示的孪生空间，使得用户可以及时定位损坏护坡并进行及时维护，成为亟待解决的问题。
发明内容
本发明实施例提供一种自然资源全生态实时感知大数据管理方法及管理平台,可以对河道护坡中的损坏区域进行自动识别，并定制化生成展示的孪生空间，使得用户可以及时定位损坏护坡并进行及时维护。
本发明实施例的第一方面，提供一种自然资源全生态实时感知大数据管理方法，包括：
生成与目标河道对应的河道孪生空间，所述河道孪生空间包括河道模块和护坡模块，所述护坡模块包括与多个采集点位对应的护坡槽位；
接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性；
根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果；
根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端。
可选地，在第一方面的一种可能实现方式中，所述接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性，包括：
接收采集设备采集的多个所述采集点位的河道图像，基于河道像素值对所述河道图像中的像素点进行提取，得到河道像素点；
确定所述河道像素点四周任意一个相邻像素点不为河道像素点，将相应所述河道像素点作为河道边界点，连接相邻的所述河道边界点，得到与所述河道图像对应的河道边界线；
根据垂直于所述河道边界线的方向和预设距离，延伸相应所述河道边界线中的河道边界点，得到护坡边界点，连接相邻的所述护坡边界点得到护坡边界线；
基于所述护坡边界线和相应的所述河道边界线确定护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性。
可选地，在第一方面的一种可能实现方式中，还包括：
确定所述护坡属性具有多个，获取所述护坡属性对应的护坡像素值；
依次选取任意一个所述护坡像素值作为基准像素值，并将其余的所述护坡像素值作为比对像素值；
根据所述基准像素值提取所述护坡区域图像中的基准像素点，根据所述比对像素值提取所述护坡区域图像中的比对像素点；
确定所述护坡区域图像中所述基准像素点四周存在相邻像素点为比对像素点，将相应所述基准像素点作为分界点，连接相邻的所述分界点得到所述护坡区域图像的分界线；
基于所述分界线对所述护坡区域图像进行划分，得到与所述护坡像素值对应的护坡子区域图像。
可选地，在第一方面的一种可能实现方式中，所述根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果，包括：
确定所述护坡属性具有1个，根据相应所述护坡属性确定护坡像素值，基于所述护坡像素值提取所述护坡区域图像中的护坡像素点；
基于所述护坡像素点对所述护坡区域图像进行识别，得到整体异常图像；
确定所述护坡属性具有多个，根据相应所述护坡属性确定护坡像素值，基于相应所述护坡像素值提取所述护坡子区域图像中的护坡像素点；
基于所述护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像；
基于所述整体异常图像和/或所述部分异常图像生成识别结果。
可选地，在第一方面的一种可能实现方式中，所述基于所述护坡像素点对所述护坡区域图像进行识别，得到整体异常图像，包括：
统计所述护坡区域图像中所述护坡像素点的数量得到总识别数量，并统计所述护坡区域图像中所有像素点的数量得到总区域数量；
根据所述总识别数量和所述总区域数量的比值，得到所述护坡区域图像对应的区域总占比：
确定所述区域总占比小于等于预设占比，将所述护坡区域图像作为整体异常图像。
可选地，在第一方面的一种可能实现方式中，所述基于所述护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像，包括：
统计各所述护坡子区域图像中所述护坡像素点的数量得到子识别数量，并统计相应所述护坡子区域图像中所有像素点的数量得到子区域数量；
根据所述子识别数量和所述子区域数量的比值，得到各所述护坡子区域图像对应的区域子占比；
确定所述区域子占比小于等于预设占比，则将相应所述护坡子区域图像作为异常子图像，基于所述异常子图像对所述护坡区域图像进行突出显示更新，得到部分异常图像。
可选地，在第一方面的一种可能实现方式中，所述根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端，包括：
根据所述识别结果确定更新信息，响应所述更新信息，基于所述整体异常图像和/或所述部分异常图像确定相应所述采集点位作为更新点位；
根据所述更新点位确定相应所述护坡槽位为更新槽位，根据所述护坡区域图像对所述更新槽位进行更新，得到管理孪生空间发送至管理端。
可选地，在第一方面的一种可能实现方式中，还包括：
确定所述整体异常图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第一划分点；
连接相邻的第一划分点得到第一划分线，将所述第一划分线在所述整体异常图像内进行突出显示；
确定所述异常子图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第二划分点；
连接相邻的第二划分点得到第二划分线，将所述第二划分线在所述异常子图像内进行突出显示。
可选地，在第一方面的一种可能实现方式中，还包括：
识别所述护坡区域图像中的台阶区域，基于所述台阶区域对所述护坡区域图像进行删除更新，得到更新后的护坡区域图像。
本发明实施例的第二方面，提供一种自然资源全生态实时感知大数据管理平台，包括：
生成模块，用于生成与目标河道对应的河道孪生空间，所述河道孪生空间包括河道模块和护坡模块，所述护坡模块包括与多个采集点位对应的护坡槽位；
解析模块，用于接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性；
识别模块，用于根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果；
更新模块，用于根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端。
本发明的有益效果如下：
1、本发明会自动定位河道图像中的护坡区域图像，并识别护坡区域图像内的异常同时对河道孪生空间进行更新，从而生成管理孪生空间对管理端进行展示，使得本发明可以自动定位损坏护坡并进行及时维护。本发明会对河道图像进行区域解析，自动确定相应的护坡区域图像，并且不同采集点位处具有与护坡区域图像对应的护坡属性，本发明会依据护坡属性自动对护坡区域图像中的异常部分进行识别，得到识别结果，依据识别结果对河道孪生空间中护坡槽位进行更新，并发送至管理端进行展示，使得用户可以及时定位损坏的护坡区域图像，并确定损坏位置对应的护坡属性，方便用户携带相关设备进行维护，从而节省了时间。
2、本发明会自动对河道图像中的护坡区域图像进行识别，后续仅对护坡区域图像进行处理，减少了数据处理量的同时去除了无关区域，可以快速定位异常的位置。本发明会对依据河道像素值确定河道边界线，并确定岸边的方向为移动方向，将河道边界线进行平移处理得到护坡边界线，依据护坡边界线和河道边界线自动确定护坡区域图像，方便后续仅对护坡区域图像内的像素值进行处理从而确定异常的区域，使得本发明可以自动定位护坡区域图像，并针对护坡区域图像进行验证，从而减少数据处理量。并且当护坡区域图像内存在多个护坡属性时，会自动对护坡区域图像进行划分，使得每个护坡子区域图像具有对应的护坡属性，方便后续进行针对性处理，定位出现损坏的区域，并且用户可以提前了解到该区域对应的护坡属性，方便携带相应的工具进行维护。
3、本发明会自动识别出现异常的护坡区域图像，并对河道孪生空间进行自动更新，得到管理孪生空间，方便管理员通过管理孪生空间快速定位出现异常的区域。本发明会依据护坡属性对应的护坡像素值对区域内像素值占比进行验证，判断占比小于预设占比，则说明出现损坏的区域过多，因此则会将该护坡区域图像和/或护坡子区域图像作为异常图像，后续会利用该异常图像对河道孪生空间进行更新得到管理孪生空间，并且会对整体异常图像和/或异常子图像内的异常部分通过第一划分线和第二划分线进行突出显示，方便用户及时定位异常部分，进行及时维护，并且本发明在对护坡区域图像进行识别之前，还会识别护坡处的台阶，将台阶部分去除，提升识别异常区域的准确度。
附图说明
图1为本发明所提供的一种自然资源全生态实时感知大数据管理方法的流程图；
图2为本发明所提供的一种自然资源全生态实时感知大数据管理平台的结构示意图。
具体实施方式
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种自然资源全生态实时感知大数据管理方法，如图1所示，包括步骤S1-S4：
S1，生成与目标河道对应的河道孪生空间，所述河道孪生空间包括河道模块和护坡模块，所述护坡模块包括与多个采集点位对应的护坡槽位。
需要说明的是，河道一般跨度较大，即，整体长度较长，由于河道沿岸的地形、土质、水流速度以及生态环境等因素可能在不同的区段存在较大的差异，为了更好地适应这些差异，会采用不同种类的护坡。因此，河道处一般具有多个类型的护坡。
可以理解的是，服务器会生成与目标河道对应的河道孪生空间，该河道孪生空间可以是依据目标河道生成的孪生空间，其中，河道孪生空间包括河道模块和护坡模块，河道模块是用于显示河道的模块，护坡模块是用于显示位于河道模板两侧的护坡的模块，护坡模块包括与多个采集点位对应的护坡槽位。方便后续依据采集点对相应的护坡槽位进行更行，方便用户观察出现损坏的护坡。护坡槽位为显示护坡区域图像的槽位。
不难理解的是，本发明会利用现有技术自动生成与目标河道对应的河道孪生空间，河道孪生空间内包括河道模块和护坡模块，分别用于显示河道和河道两侧的护坡，此时显示的是虚拟的河道图像和护坡区域图像，其中，护坡模块具有与实际的多个采集点对应的护坡槽位，后续若发现实际拍摄的护坡区域图像出现问题，则直接利用该护坡区域图像对相应采集点对应的护坡槽位进行更新，即将实际的护坡区域图像更新到虚拟的河道孪生空间，后续方便用户进行观察定位。
S2，接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性。
可以理解的是，服务器会接收采集设备采集的多个采集点位的河道图像，对河道图像中的护坡区域进行区域解析得到护坡区域图像，其中，采集设备可以是无人机，采集点位为预设的采集点位，比如，可以是预设高度和预设位置处。
比如，服务器会控制无人机在预设高度和预设位置处对河道的图像进行依次采集从而得到多个河道图像，多个河道图像可以进行拼接生成与目标河道对应的完整图像。
进一步的，服务器会对河道图像进行区域解析，得到护坡区域图像，并且基于每个采集点位的预设属性确定相应护坡区域图像的护坡属性。
不难理解的是，采集设备会处于预设的采集点位处对河道的图像进行采集，每个固定的采集点位都具有对应的预设属性，比如，抛石护坡、挡土墙护坡、植被护坡、混凝土护坡等。基于采集点位的预设属性确定该采集点位处护坡区域图像的护坡属性。
在一些实施例中，步骤S2中的（接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性），包括S21-S24：
S21，接收采集设备采集的多个所述采集点位的河道图像，基于河道像素值对所述河道图像中的像素点进行提取，得到河道像素点。
可以理解的是，服务器会接收采集设备采集的多个采集点位的河道图像，并基于河道像素值对河道图像中的像素点进行提取，得到河道像素点。其中，河道图像为显示河道以及两侧岸边的图像，河道像素值为河水的像素值，比如，可以是蓝色，具体依据实际情况设置。河道像素点为河道图像中河水的像素点。
S22，确定所述河道像素点四周任意一个相邻像素点不为河道像素点，将相应所述河道像素点作为河道边界点，连接相邻的所述河道边界点，得到与所述河道图像对应的河道边界线。
需要说明的是，河水与岸边的交界处，即为河道边界线。
因此，本发明会确定河道像素点四周任意一个相邻像素点不为河道像素点，于是则将该河道像素点作为河道边界点，不难理解的是，河水与岸边交界处的河道像素点紧邻着岸边的像素点，因此，该河道像素点为河道边界点。
进一步的，服务器会连接所有相邻的河道边界点，得到与所述河道图像对应的河道边界线。从而得到河道图像中的河道边界线。
S23，根据垂直于所述河道边界线的方向和预设距离，延伸相应所述河道边界线中的河道边界点，得到护坡边界点，连接相邻的所述护坡边界点得到护坡边界线。
可以理解的是，服务器会确定河道像素值以外的像素值作为岸边像素值，根据垂直于河道边界线且处于岸边像素值的方向延伸预设距离相应所述河道边界线中的河道边界点，从而得到护坡边界点。
不难理解的是，护坡均是依据河道修建的，并且护坡的宽度一般相同。因此，本发明会依据垂直于河道边界线的方向和预设距离对河道边界线中的护坡边界点往两侧移动，从而得到护坡边界线。
S24，基于所述护坡边界线和相应的所述河道边界线确定护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性。
可以理解的是，服务器会基于护坡边界线和相应的所述河道边界线确定护坡区域图像，不难理解的是，依据护坡边界线和离其最近的河道边界线两者之间的区域为护坡区域图像。
进一步的，服务器会基于采集点位的预设属性确定所述护坡区域图像的护坡属性。比如，采集点位的预设属性为植被护坡，则确定该采集点位处的护坡区域图像为植被护坡。
不难理解的是，如果护坡区域图像内具有多个护坡属性，比如具有2个护坡属性，则说明采集设备所处的采集点位为2种不同类型护坡的交界处，因此，此时需要对护坡区域图像进行划分，使得每个护坡属性对应一个区域，比如，植被护坡和混凝土护坡之间的存在交界处，因此，本发明会以该交界处为分界线对护坡区域图像进行划分，方便后续针对每个护坡属性对应的区域进行识别。
在上述实施例的基础上，还包括A1-A5：
A1，确定所述护坡属性具有多个，获取所述护坡属性对应的护坡像素值。
需要说明的是，河道一般跨度较大，即，整体长度较长，由于河道沿岸的地形、土质、水流速度以及生态环境等因素可能在不同的区段存在较大的差异，为了更好地适应这些差异，会采用不同种类的护坡。
因此，采集设备所采集到的河道图像可能具有多个种类的护坡，比如，所采集的河道图像中具有植被护坡和混凝土护坡，采集的位置为植被护坡和混凝土护坡的交界处。
因此，本发明在判断护坡属性具有多个时，则获取护坡属性对应的护坡像素值。比如，植被护坡的像素值可以是绿色，混凝土护坡的像素值可以是白色。
A2，依次选取任意一个所述护坡像素值作为基准像素值，并将其余的所述护坡像素值作为比对像素值。
可以理解的是，服务器会选取任意一个所述护坡像素值作为基准像素值，并将其余的护坡像素值作为比对像素值。
比如，将植被护坡的绿色作为基准像素值，将混凝土护坡的白色作为比对像素值。
A3，根据所述基准像素值提取所述护坡区域图像中的基准像素点，根据所述比对像素值提取所述护坡区域图像中的比对像素点。
可以理解的是，根据基准像素值提取所述护坡区域图像中的基准像素点，根据所述比对像素值提取所述护坡区域图像中的比对像素点。
A4，确定所述护坡区域图像中所述基准像素点四周存在相邻像素点为比对像素点，将相应所述基准像素点作为分界点，连接相邻的所述分界点得到所述护坡区域图像的分界线。
可以理解的是，服务器会确定护坡区域图像中基准像素点四周存在相邻像素点为比对像素点，则将相应的基准像素点作为分界点，连接相邻的所述分界点得到所述护坡区域图像的分界线。
比如，确定绿色像素点四周存在相邻的像素带点为白色像素点，则说明该绿色像素点处于交界处，则将该绿色像素点作为分界点，连接所有相邻的分界点，从而得到护坡区域图像的分界线。
不难理解的是，依次选取任意一个所述护坡像素值作为基准像素值，并将其余的所述护坡像素值作为比对像素值，进行确定分界线时，每两个护坡区域之间会存在2条分界线，本发明可以选择任意一条分界线进行后续划分。
A5，基于所述分界线对所述护坡区域图像进行划分，得到与所述护坡像素值对应的护坡子区域图像。
可以理解的是，服务器会基于分界线对所述护坡区域图像进行划分得到与所述护坡像素值对应的护坡子区域图像。
不难理解的是，通过分界线对护坡区域图像划分后，得到的护坡子区域图像分别对应各自的护坡像素值。
比如，通过分界线划对植被护坡和混凝土护坡划分后，使得植被护坡对应的护坡子区域图像对应绿色，混凝土护坡对应的护坡子区域图像对应白色。
S3，根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果。
可以理解的是，服务器会根据护坡属性确定识别策略，并基于识别策略对所述护坡区域图像进行识别，得到识别结果。
不难理解的是，护坡属性不同相应的识别策略不同，比如，护坡属性为植被护坡则识别策略为对护坡区域图像中的绿色占比进行识别，护坡属性为混凝土护坡则识别策略为对护坡区域图像中的白色占比进行识别，从而得到相应的识别结果。
在一些实施例中，步骤S3中的（根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果），包括S31-S35：
S31，确定所述护坡属性具有1个，根据相应所述护坡属性确定护坡像素值，基于所述护坡像素值提取所述护坡区域图像中的护坡像素点。
可以理解的是，确定所述护坡属性具有1个，根据相应所述护坡属性确定护坡像素值，基于所述护坡像素值提取所述护坡区域图像中的护坡像素点。
比如，确定护坡区域图像的护坡属性为植被护坡，则依据植被护坡确定绿色像素值，随后依据绿色像素值提取护坡区域图像中的护坡像素点。
S32，基于所述护坡像素点对所述护坡区域图像进行识别，得到整体异常图像。
可以理解的是，依据该护坡像素点对所述护坡区域图像进行识别，得到整体异常图像。即，识别该护坡像素点在区域中所占比例，从而确定整体异常图像。
在一些实施例中，步骤S32中的（基于所述护坡像素点对所述护坡区域图像进行识别，得到整体异常图像），包括S321-S323：
S321，统计所述护坡区域图像中所述护坡像素点的数量得到总识别数量，并统计所述护坡区域图像中所有像素点的数量得到总区域数量。
可以理解的是，服务器会统计护坡区域图像中所述护坡像素点的数量得到总识别数量，并统计所述护坡区域图像中所有像素点的数量得到总区域数量。
比如，植被护坡内的所有像素点的数量为1000个（总区域数量），护坡像素点为700个（总识别数量），为方便理解，此处仅进行举例说明，具体依据实际情况统计相应的像素点数量。
S322，根据所述总识别数量和所述总区域数量的比值，得到所述护坡区域图像对应的区域总占比。
可以理解的是，根据总识别数量和总区域数量的比值，得到护坡区域图像对应的区域总占比。
比如，700与1000比值，得到70%（区域总占比）。
S323，确定所述区域总占比小于等于预设占比，将所述护坡区域图像作为整体异常图像。
可以理解的是，服务器确定区域总占比小于等于预设占比，将所述护坡区域图像作为整体异常图像。其中，预设占比为人为预设的占比，不难理解的是，区域总占比小于预设占比，说明损坏部分较多，则将该护坡区域图像作为整体异常图像，需要进行维护。
比如，预设占比为80%，区域总占比70%小于80%，因此将该植被护坡作为整体异常图像。
S33，确定所述护坡属性具有多个，根据相应所述护坡属性确定护坡像素值，基于相应所述护坡像素值提取所述护坡子区域图像中的护坡像素点。
可以理解的是，确定护坡属性具有多个，即具有多个护坡子区域图像，每个护坡子区域图像具有对应的护坡像素值，根据相应所述护坡属性确定护坡像素值，基于相应所述护坡像素值提取所述护坡子区域图像中的护坡像素点。
比如，护坡区域图像内具有植被护坡和混凝土护坡2种护坡属性，因此，则根据植被护坡确定绿色的护坡像素值，依据混凝土护坡确定白色的护坡像素值，并依据绿色提取植被护坡的绿色像素点，依据白色提取混凝土护坡的白色像素点。
S34，基于所述护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像。
可以理解的是，服务器会基于护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像。即，通过各护坡子区域图像中相应护坡像素值占比，确定该护坡子区域图像是否出现异常，如果出现一个护坡子区域图像异常则说明该护坡区域图像出现异常。
在一些实施例中，步骤S34中（基于所述护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像），包括S341-S343：
S341，统计各所述护坡子区域图像中所述护坡像素点的数量得到子识别数量，并统计相应所述护坡子区域图像中所有像素点的数量得到子区域数量。
可以理解的是，统计各护坡子区域图像中所述护坡像素点的数量得到子识别数量，并统计相应所述护坡子区域图像中所有像素点的数量得到子区域数量。
比如，护坡子区域图像中植被护坡的所有像素点的数量为1000个（子区域数量），绿色护坡像素点为700个（子识别数量），为方便理解，此处仅进行举例说明，具体依据实际情况统计相应的像素点数量。同时，混凝土护坡的所有像素点的数量为1000个（子区域数量），白色护坡像素点为900个（子识别数量），为方便理解，此处仅进行举例说明，具体依据实际情况统计相应的像素点数量。
S342，根据所述子识别数量和所述子区域数量的比值，得到各所述护坡子区域图像对应的区域子占比。
可以理解的是，服务器会根据子识别数量和所述子区域数量的比值，得到所述护坡子区域图像对应的区域子占比。
不难理解的是，依据各护坡子区域图像相应的护坡像素值计算各自占比，从而得到区域子占比。
比如，植被护坡的区域子占比为70%，混凝土护坡的区域子占比为90%。
S343确定所述区域子占比小于等于预设占比，则将相应所述护坡子区域图像作为异常子图像，基于所述异常子图像对所述护坡区域图像进行突出显示更新，得到部分异常图像。
可以理解的是，确定区域子占比小于等于预设占比，将相应所述护坡子区域图像作为异常子图像，并通过异常子图像对所述护坡区域图像进行更新，得到部分异常图像。
不难理解的是，当区域子占比小于等于预设占比，则说明该护坡子区域图像出现损坏的部分过大，因此将相应护坡子区域图像作为异常子图像，并对护坡区域图像中相应的异常子图像进行突出显示更新，从而得到部分异常图像。
比如，植被护坡的区域子占比为70%，混凝土护坡的区域子占比为90%，预设占比为80%，因此植被护坡异常，则将护坡区域图像中植被护坡对应的护坡子区域图像进行突出显示，从而得到部分异常图像，此处仅进行举例，也可以是混凝土护坡异常，或者两者均异常。
S35，基于所述整体异常图像和/或所述部分异常图像生成识别结果。
可以理解的是，服务器会基于整体异常图像和/或所述部分异常图像生成识别结果。即，判断识别到的整体异常图像和/或所述部分异常图像，从而生成识别结果。
S4，根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端。
可以理解的是，根据识别结果确定更新信息，即，得到识别结果则说明此时具有异常的护坡区域图像，因此，响应更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端。
不难理解的是，当出现护坡区域图像异常时，则利用实际的护坡区域图像对相应的护坡槽位进行更新，得到管理孪生空间发送至管理端。方便用户通过管理孪生空间直接定位出现异常的护坡位置和护坡属性，方便用户及时进行维护。
在一些实施例中，步骤S4中的（根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端），包括S41-S42：
S41，根据所述识别结果确定更新信息，响应所述更新信息，基于所述整体异常图像和/或所述部分异常图像确定相应所述采集点位作为更新点位。
可以理解的是，服务器接收到识别结果时，即当出现异常时，响应更新信息，根据所述整体异常图像和/或所述部分异常图像确定与图像对应的采集点位作为更新点位。
S42，根据所述更新点位确定相应所述护坡槽位为更新槽位，根据所述护坡区域图像对所述更新槽位进行更新，得到管理孪生空间发送至管理端。
可以理解的是，根据更新点位确定相应的护坡槽位为更新槽位，随后依据护坡区域图像对所述更新槽位进行更新，得到管理孪生空间发送至管理端。
不难理解的是，整体异常图像和/或部分异常图像均具有对应的采集点，且与河道孪生空间中的采集点位相互对应，因此，可以依据整体异常图像和/或部分异常图像确定河道孪生空间中相应的采集点位，以及该采集点位对应的护坡槽位为更新槽位。方便用户后续进行定位更新。
不难理解的是，当出现异常时，会利用异常护坡区域图像对更新槽位进行更新，此时更新的是实际拍摄的图像，而不是原本依据河道设置的虚拟图像。如果未出现异常，则不对河道孪生空间中的虚拟图像进行更新。
通过上述实施方式，使得用户可以较快定位出现异常的护坡，以及该护坡的护坡属性，方便人员及时进行维护。
不难理解的是，本发明会在管理孪生空间中显示异常的护坡区域图像对应的图像，方便用户及时定位出现损坏的护坡，但无法对损坏的部分进行突出显示，因此，本发明会将损坏部分和正常部分通过划分线的方式进行区分显示，方便用户进行查看，提升用户体验。
在上述实施例的基础上，还包括B1-B4：
B1，确定所述整体异常图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第一划分点。
可以理解的是，服务器会确定整体异常图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第一划分点。
不难理解的是，当护坡出现断裂、脱落等损坏时，出现损坏区域的像素值与护坡像素值不同，因此，本发明会确定整体异常图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第一划分点，说明该第一划分点附近存在损坏的像素点。
B2，连接相邻的第一划分点得到第一划分线，将所述第一划分线在所述整体异常图像内进行突出显示。
其中，第一划分线为整体异常图像中划分正常区域和异常区域的划分线。
需要说明的是，存在大规模损坏的情况，比如，植被护坡被河水冲刷脱落，仅保留小部分的植被护坡，因此，损坏区域可能为第一划分线内部的小区域，也可能为外部的大区域，因此直接将第一划分线进行突出显示，方便用户定位异常区域和异常区域的面积占比。
可以理解的是，连接相邻的第一划分点得到第一划分线，将所述第一划分线在所述整体异常图像内进行突出显示。
B3，确定所述异常子图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第二划分点。
可以理解的是，服务器会确定异常子图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第二划分点。
不难理解的是，与步骤B1原理近似，仅是处理区域换成了异常子图像，从而得到第二划分点。
B4，连接相邻的第二划分点得到第二划分线，将所述第二划分线在所述异常子图像内进行突出显示。
可以理解的是，连接相邻的第二划分点得到第二划分线，其中，第二划分线为异常子图像中划分正常区域和异常区域的划分线。
同理，将第二划分线在所述异常子图像内进行突出显示，方便用户定位出现异常区域，以及异常区域的占比面积。
不难理解的是，在实际生活中，护坡处具有相应的台阶，方便人员行走，因此，本发明在对护坡区域图像进行识别之前会将台阶区域去除，从而提升识别损坏的准确性。
在上述实施例的基础上，还包括C1：
C1，识别所述护坡区域图像中的台阶区域，基于所述台阶区域对所述护坡区域图像进行删除更新，得到更新后的护坡区域图像。
可以理解的是，可以通过OpenCV识别护坡区域图像中的台阶区域，也可以通过其他现有技术进行识别，在此不做限定，并将识别的台阶区域从护坡区域图像中删除，避免台阶区域的影响，从而得到更新后的护坡区域图像。
为了更好的实现本发明所提供的一种自然资源全生态实时感知大数据管理方法，本发明还提供一种自然资源全生态实时感知大数据管理平台，如图2所示，包括：
生成模块，用于生成与目标河道对应的河道孪生空间，所述河道孪生空间包括河道模块和护坡模块，所述护坡模块包括与多个采集点位对应的护坡槽位；
解析模块，用于接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性；
识别模块，用于根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果；
更新模块，用于根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元（英文：CentralProcessing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：DigitalSignal Processor，简称：DSP）、专用集成电路（英文：Application Specific IntegratedCircuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种自然资源全生态实时感知大数据管理方法，其特征在于，包括：
生成与目标河道对应的河道孪生空间，所述河道孪生空间包括河道模块和护坡模块，所述护坡模块包括与多个采集点位对应的护坡槽位；
接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性；
根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果；
根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端；
确定所述护坡属性具有多个，获取所述护坡属性对应的护坡像素值；
依次选取任意一个所述护坡像素值作为基准像素值，并将其余的所述护坡像素值作为比对像素值；
根据所述基准像素值提取所述护坡区域图像中的基准像素点，根据所述比对像素值提取所述护坡区域图像中的比对像素点；
确定所述护坡区域图像中所述基准像素点四周存在相邻像素点为比对像素点，将相应所述基准像素点作为分界点，连接相邻的所述分界点得到所述护坡区域图像的分界线；
基于所述分界线对所述护坡区域图像进行划分，得到与所述护坡像素值对应的护坡子区域图像；
所述根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果，包括：
确定所述护坡属性具有1个，根据相应所述护坡属性确定护坡像素值，基于所述护坡像素值提取所述护坡区域图像中的护坡像素点；
基于所述护坡像素点对所述护坡区域图像进行识别，得到整体异常图像；
确定所述护坡属性具有多个，根据相应所述护坡属性确定护坡像素值，基于相应所述护坡像素值提取所述护坡子区域图像中的护坡像素点；
基于所述护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像；
基于所述整体异常图像和/或所述部分异常图像生成识别结果；
所述根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端，包括：
根据所述识别结果确定更新信息，响应所述更新信息，基于所述整体异常图像和/或所述部分异常图像确定相应所述采集点位作为更新点位；
根据所述更新点位确定相应所述护坡槽位为更新槽位，根据所述护坡区域图像对所述更新槽位进行更新，得到管理孪生空间发送至管理端。
2.根据权利要求1所述的方法，其特征在于，
所述接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性，包括：
接收采集设备采集的多个所述采集点位的河道图像，基于河道像素值对所述河道图像中的像素点进行提取，得到河道像素点；
确定所述河道像素点四周任意一个相邻像素点不为河道像素点，将相应所述河道像素点作为河道边界点，连接相邻的所述河道边界点，得到与所述河道图像对应的河道边界线；
根据垂直于所述河道边界线的方向和预设距离，延伸相应所述河道边界线中的河道边界点，得到护坡边界点，连接相邻的所述护坡边界点得到护坡边界线；
基于所述护坡边界线和相应的所述河道边界线确定护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性。
3.根据权利要求1所述的方法，其特征在于，
所述基于所述护坡像素点对所述护坡区域图像进行识别，得到整体异常图像，包括：
统计所述护坡区域图像中所述护坡像素点的数量得到总识别数量，并统计所述护坡区域图像中所有像素点的数量得到总区域数量；
根据所述总识别数量和所述总区域数量的比值，得到所述护坡区域图像对应的区域总占比：
确定所述区域总占比小于等于预设占比，将所述护坡区域图像作为整体异常图像。
4.根据权利要求3所述的方法，其特征在于，
所述基于所述护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像，包括：
统计各所述护坡子区域图像中所述护坡像素点的数量得到子识别数量，并统计相应所述护坡子区域图像中所有像素点的数量得到子区域数量；
根据所述子识别数量和所述子区域数量的比值，得到各所述护坡子区域图像对应的区域子占比；
确定所述区域子占比小于等于预设占比，则将相应所述护坡子区域图像作为异常子图像，基于所述异常子图像对所述护坡区域图像进行突出显示更新，得到部分异常图像。
5.根据权利要求4所述的方法，其特征在于，还包括：
确定所述整体异常图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第一划分点；
连接相邻的第一划分点得到第一划分线，将所述第一划分线在所述整体异常图像内进行突出显示；
确定所述异常子图像内所述护坡像素点四周任意一个相邻像素点不为护坡像素点，将相应所述护坡像素点作为第二划分点；
连接相邻的第二划分点得到第二划分线，将所述第二划分线在所述异常子图像内进行突出显示。
6.根据权利要求1所述的方法，其特征在于，还包括：
识别所述护坡区域图像中的台阶区域，基于所述台阶区域对所述护坡区域图像进行删除更新，得到更新后的护坡区域图像。
7.一种自然资源全生态实时感知大数据管理平台，其特征在于，包括：
生成模块，用于生成与目标河道对应的河道孪生空间，所述河道孪生空间包括河道模块和护坡模块，所述护坡模块包括与多个采集点位对应的护坡槽位；
解析模块，用于接收采集设备采集的多个所述采集点位的河道图像，对所述河道图像进行区域解析，得到护坡区域图像，基于所述采集点位的预设属性确定所述护坡区域图像的护坡属性；
识别模块，用于根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果；
更新模块，用于根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端；
确定所述护坡属性具有多个，获取所述护坡属性对应的护坡像素值；
依次选取任意一个所述护坡像素值作为基准像素值，并将其余的所述护坡像素值作为比对像素值；
根据所述基准像素值提取所述护坡区域图像中的基准像素点，根据所述比对像素值提取所述护坡区域图像中的比对像素点；
确定所述护坡区域图像中所述基准像素点四周存在相邻像素点为比对像素点，将相应所述基准像素点作为分界点，连接相邻的所述分界点得到所述护坡区域图像的分界线；
基于所述分界线对所述护坡区域图像进行划分，得到与所述护坡像素值对应的护坡子区域图像；
所述根据所述护坡属性确定识别策略，基于所述识别策略对所述护坡区域图像进行识别，得到识别结果，包括：
确定所述护坡属性具有1个，根据相应所述护坡属性确定护坡像素值，基于所述护坡像素值提取所述护坡区域图像中的护坡像素点；
基于所述护坡像素点对所述护坡区域图像进行识别，得到整体异常图像；
确定所述护坡属性具有多个，根据相应所述护坡属性确定护坡像素值，基于相应所述护坡像素值提取所述护坡子区域图像中的护坡像素点；
基于所述护坡像素点对所述护坡子区域图像进行识别，得到部分异常图像；
基于所述整体异常图像和/或所述部分异常图像生成识别结果；
所述根据所述识别结果确定更新信息，响应所述更新信息和所述护坡区域图像对相应所述护坡槽位进行更新，得到管理孪生空间发送至管理端，包括：
根据所述识别结果确定更新信息，响应所述更新信息，基于所述整体异常图像和/或所述部分异常图像确定相应所述采集点位作为更新点位；
根据所述更新点位确定相应所述护坡槽位为更新槽位，根据所述护坡区域图像对所述更新槽位进行更新，得到管理孪生空间发送至管理端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311669814.XA CN117370589B (zh) | 2023-12-07 | 2023-12-07 | 自然资源全生态实时感知大数据管理方法及管理平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311669814.XA CN117370589B (zh) | 2023-12-07 | 2023-12-07 | 自然资源全生态实时感知大数据管理方法及管理平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117370589A CN117370589A (zh) | 2024-01-09 |
| CN117370589B true CN117370589B (zh) | 2024-02-09 |
Family
ID=89404451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311669814.XA Active CN117370589B (zh) | 2023-12-07 | 2023-12-07 | 自然资源全生态实时感知大数据管理方法及管理平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117370589B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117873765B (zh) * | 2023-12-22 | 2024-05-28 | 江苏达科数智技术有限公司 | 分布式采集数据处理方法及系统 |
| CN117725657B (zh) * | 2024-01-12 | 2024-06-18 | 中建文化旅游发展有限公司 | 河道装配式构件的配置方法、系统及实体预制挡墙 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107680121A (zh) * | 2017-09-29 | 2018-02-09 | 黑龙江省水利水电勘测设计研究院 | 河道图像的分析方法、装置、设备及计算机可读存储介质 |
| CN110929782A (zh) * | 2019-11-20 | 2020-03-27 | 天津大学 | 一种基于正射影像图对比的河道异常检测方法 |
| CN114255352A (zh) * | 2020-09-10 | 2022-03-29 | 中国石油天然气股份有限公司 | 一种河道提取方法、装置及计算机可读存储介质 |
| KR20230059188A (ko) * | 2021-10-25 | 2023-05-03 | 한국건설기술연구원 | 영상정보와 환경정보의 수집 및 분석을 통한 하천 상태정보 제공시스템 및 제공방법 |
| CN116434090A (zh) * | 2023-04-19 | 2023-07-14 | 江苏山水环境建设集团股份有限公司 | 水污染监控数据管理方法及系统 |
| CN116630795A (zh) * | 2023-05-04 | 2023-08-22 | 北京市河湖流域管理事务中心 | 河湖问题的识别处理方法、装置和电子设备和存储介质 |
-
2023
- 2023-12-07 CN CN202311669814.XA patent/CN117370589B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107680121A (zh) * | 2017-09-29 | 2018-02-09 | 黑龙江省水利水电勘测设计研究院 | 河道图像的分析方法、装置、设备及计算机可读存储介质 |
| CN110929782A (zh) * | 2019-11-20 | 2020-03-27 | 天津大学 | 一种基于正射影像图对比的河道异常检测方法 |
| CN114255352A (zh) * | 2020-09-10 | 2022-03-29 | 中国石油天然气股份有限公司 | 一种河道提取方法、装置及计算机可读存储介质 |
| KR20230059188A (ko) * | 2021-10-25 | 2023-05-03 | 한국건설기술연구원 | 영상정보와 환경정보의 수집 및 분석을 통한 하천 상태정보 제공시스템 및 제공방법 |
| CN116434090A (zh) * | 2023-04-19 | 2023-07-14 | 江苏山水环境建设集团股份有限公司 | 水污染监控数据管理方法及系统 |
| CN116630795A (zh) * | 2023-05-04 | 2023-08-22 | 北京市河湖流域管理事务中心 | 河湖问题的识别处理方法、装置和电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 人工智能图像识别在水利行业的应用进展;李涛等;人民黄河;第44卷(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117370589A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117370589B (zh) | 自然资源全生态实时感知大数据管理方法及管理平台 | |
| CN108510124B (zh) | 基于机器学习的水面垃圾清理路径规划方法和装置 | |
| CN110598757A (zh) | 一种输电线路的施工机械隐患检测方法 | |
| CN113989510B (zh) | 一种河道排水口溢流检测方法、装置及相关设备 | |
| CN109961398A (zh) | 风机叶片图像分割与网格优化拼接方法 | |
| CN113826112A (zh) | 用于训练对象检测系统的人工图像生成 | |
| CN113095441A (zh) | 一种猪群扎堆检测方法、装置、设备及可读存储介质 | |
| CN116188994A (zh) | 淤地坝识别方法、装置、电子设备及存储介质 | |
| JP4108593B2 (ja) | 浸水監視装置 | |
| CN115984687A (zh) | 河工动床模型试验水边界测量方法、装置、设备及介质 | |
| CN111738312B (zh) | 基于gis和虚拟现实融合的输电线状态监控方法、装置及计算机可读存储介质 | |
| CN110658844B (zh) | 一种特高压直流线路通道无人机监控方法及其系统 | |
| Gupta et al. | Post disaster mapping with semantic change detection in satellite imagery | |
| CN115393264A (zh) | 无人机巡检图像的销钉级缺陷识别方法 | |
| CN112907490B (zh) | 像素点提取方法、靶标信息采集方法和顶管机控制系统 | |
| Furberg et al. | Satellite monitoring of urbanization and environmental impacts in Stockholm, Sweden, through a multiscale approach | |
| CN115146209A (zh) | 水土保持状况的监测方法、系统、存储介质和电子设备 | |
| CN113239432A (zh) | 一种地铁隧道全景图像区域化分块检测推荐方法 | |
| CN112211793A (zh) | 一种基于视频图像分析的风电机组故障自动识别方法 | |
| CN115965622B (zh) | 一种遥感瓦片数据的变化检测方法和装置 | |
| CN117351415B (zh) | 一种基于卫星影像与无人机巡查的地块违规监测系统 | |
| CN117112091B (zh) | 基于数字孪生的水情及大坝安全监测系统及模型解耦方法 | |
| JP7546496B2 (ja) | 解析システム、解析装置、解析方法およびプログラム | |
| CN118097474B (zh) | 一种基于图像分析的地物信息采集识别系统 | |
| CN118347471B (zh) | 一种基于多传感器融合技术的水利监测方法及系统 |
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 |