CN117690093B - 大坝安全监测运行维护方法、装置、电子设备及存储介质 - Google Patents
大坝安全监测运行维护方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117690093B CN117690093B CN202410132555.5A CN202410132555A CN117690093B CN 117690093 B CN117690093 B CN 117690093B CN 202410132555 A CN202410132555 A CN 202410132555A CN 117690093 B CN117690093 B CN 117690093B
- Authority
- CN
- China
- Prior art keywords
- dam
- disease
- image data
- management center
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012423 maintenance Methods 0.000 title claims abstract description 58
- 201000010099 disease Diseases 0.000 claims abstract description 299
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 299
- 238000001514 detection method Methods 0.000 claims abstract description 73
- 238000005259 measurement Methods 0.000 claims abstract description 69
- 238000011282 treatment Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 35
- 238000011269 treatment regimen Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims 6
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000007500 overflow downdraw method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Alarm Systems (AREA)
Abstract
本申请提出一种大坝安全监测运行维护方法、装置、电子设备及存储介质,涉及大坝安全监测技术领域,其中,方法包括:通过影像采集模块获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心,病害识别模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,并将图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将病害量测数据上传到管理中心,管理中心接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务。由此,充分利用了大坝影像数据的应用价值,实现了对病害治理任务的标准化管理,提高了对大坝安全监测运行维护的效率。
Description
技术领域
本申请涉及大坝安全监测技术领域,尤其涉及一种大坝安全监测运行维护方法、装置、电子设备及存储介质。
背景技术
目前,很多水库大坝一般都是采用工作人员进行巡视的方式来监测大坝的安全,大坝的管理方式主要是通过填写纸质报表实现,包括创建巡检任务,执行巡检任务,提交巡检记录,处理巡检问题和生成分析报告等流程。这种方式,耗费了大量人力,且效率低下,并且容易出现漏检的情况;同时不能够及时对采集的大坝影像数据进行更新,进而以影响大坝影像数据的应用价值。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种大坝安全监测运行维护方法,以实现对大坝安全运行的标准化管理。
本申请的第二个目的在于提出一种大坝安全监测运行维护装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种计算机可读存储介质。
本申请的第五个目的在于提出一种计算机程序产品。
为达上述目的,本申请第一方面实施例提出了一种大坝安全监测运行维护方法,包括:
影像采集模块获取进行图像处理得到的大坝影像数据,并将所述大坝影像数据缓存至管理中心;病害识别模块调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将所述病害量测数据上传到所述管理中心;所述管理中心接收到所述病害量测数据,并对所述病害量测数据进行分析,以生成病害治理任务,以及所述管理中心将所述病害治理任务上传至所述运行管理模块;所述运行管理模块接收到所述病害治理任务,对所述病害治理任务进行分析计算,以获取维优系数,以及根据所述维优系数,以确定对应的治理策略。
可选地,所述病害识别模块调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据,同时将所述病害量测数据上传到所述管理中心,包括:所述病害识别模块调用所述管理中心缓存的所述大坝影像数据,对所述大坝影像数据进行逐帧分析,以获取所述大坝影像数据中的图像;所述病害识别模块调用所述管理中心存储的所述已训练的病害检测模型,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据。
可选地,所述所述病害识别模块调用所述管理中心存储的所述已训练的病害检测模型之前,包括:模型训练模块调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,以及获取预先设置的有关于大坝病害的各类图片;根据所述大坝影像数据中的图像以及所述预先设置的有关于大坝病害的各类图片,以确定参数训练集;根据所述参数训练集,以实现对未训练的病害检测模型的训练,进而以获取所述已训练的病害检测模型;所述模型训练模块获取所训练过的所述已训练的病害检测模型,并将所述所述已训练的病害检测模型上传至所述管理中心。
可选地,所述病害检测模型的训练方式为:获取所述大坝影像数据中的图像以及所述预先设置的有关于大坝病害的各类图片;将所述大坝影像数据中的图像作为所述病害检测模型的输入,以获取对应的大坝病害的各类图片;根据所述预先设置的有关于大坝病害的各类图片以及所述对应的大坝病害的各类图片,对所述未训练的病害检测模型进行训练,以获取已训练的病害检测模型。
可选地,所述影像采集模块获取所处理过的大坝影像数据,并将所述大坝影像数据缓存至管理中心之后,所述方法还包括:所述管理中心将所述大坝影像数据上传至数据监测模块;所述数据监测模块接收到所述大坝影像数据,对所述大坝影像数据被检索的情况进行监测统计,以获取统计结果;对所述统计结果进行分析计算,以获取检索评价分;对所述检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据所述判断结果,对所述大坝影像数据进行标记。
可选地,所述对所述统计结果进行分析计算,以获取检索评价分,包括:根据观测公式,对所述统计结果进行计算,以计算出观测系数;在预设统计时间间隔内,对所述观测系数与第一观测阈值和第二观测阈值进行比较,以获取比较结果,其中,所述第一观测阈值小于所述第二观测阈值;根据所述比较结果,对所述观测系数与第一观测阈值和第二观测阈值之间出现大小关系的次数进行统计,以获取统计次数;根据检索评价公式,对所述统计次数进行计算,以获取检索评价分。
可选地,所述对所述检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据所述判断结果,对所述大坝影像数据进行标记,包括:在所述判断结果指示所述检索评价分不大于所述预设评分阈值的情况下,对所述大坝影像数据进行标记为低频影像数据,以及获取所述大坝影像数据的存储时长以及对所述大坝影像数据的存储时长设置预设更新阈值;在所述大坝影像数据进行标记为所述低频影像数据且所述存储时长等于所述预设更新阈值的情况下,生成数据更新指令,以及对所述存储时长进行归零操作。
可选地,所述对所述检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据所述判断结果,对所述大坝影像数据进行标记,包括:在所述判断结果指示所述检索评价分大于所述预设评分阈值的情况下,对所述大坝影像数据进行标记为高频影像数据;在所述大坝影像数据进行标记为所述高频影像数据的情况下,生成数据更新指令,以及对所述大坝影像数据的存储时长进行归零操作。
可选地,所述以生成数据更新指令之后,包括:所述数据监测模块将所述数据更新指令传达到所述管理中心;所述管理中心将所述数据更新指令传达到所述影像采集模块;所述影像采集模块根据所述数据更新指令,对所述大坝影像数据进行更新,并对所述大坝影像数据的存储时长进行归零操作。
为达上述目的,本申请第二方面实施例提出了一种大坝安全监测运行维护装置,包括:
影像采集模块,用于获取进行图像处理得到的大坝影像数据,并将所述大坝影像数据缓存至管理中心;病害识别模块,用于调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据,同时将所述病害量测数据上传到所述管理中心;管理中心模块,用于接收到所述病害量测数据,并对所述病害量测数据进行分析,以生成病害治理任务,以及所述管理中心将所述病害治理任务上传至所述运行管理模块;运行管理模块,用于接收到所述病害治理任务,对所述病害治理任务进行分析计算,以获取维优系数,以及根据所述维优系数,以确定对应的治理策略。
为达上述目的,本申请第三方面实施例提出了一种电子设备,包括:
为达上述目的,本申请第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的大坝安全监测运行维护方法。
本申请提供的大坝安全监测运行维护方法、装置、电子设备及存储介质,通过影像采集模块获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心,病害识别模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,并将图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将病害量测数据上传到管理中心,管理中心接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务。由于根据病害识别模块以及根据管理中心,获取了病害量测数据以及根据病害量测数据生成病害治理任务,充分利用了大坝影像数据的应用价值,实现了对病害治理任务的标准化管理,提高了对大坝安全监测运行维护的效率。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图一;
图2为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图二;
图3为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图三;
图4为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图四;
图5本申请实施例提供的大坝安全监测运行维护方法架构交互图;
图6为本申请实施例提供的一种大坝安全监测运行维护装置的结构示意图;
图7为本申请实施例提供的另一种大坝安全监测运行维护装置的结构示意图;
图8为本申请实施例所提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的大坝安全监测运行维护方法和装置。
图1为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图一。
针对这一问题,本申请实施例提供了大坝安全监测运行维护方法,以实现对病害治理任务的标准化管理,如图1所示,该大坝安全监测运行维护方法包括以下步骤:
步骤101,影像采集模块获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心。
其中,需要说明的是,本申请实施例提供的大坝安全监测运行维护方法可以由大坝安全监测运行维护装置执行,其中,大坝安全监测运行维护装置可以由软件和/或者硬件实现。其中,大坝安全监测运行维护装置可以为电子设备,也可以被配置在电子设备中。本申请实施例以大坝安全监测运行维护方法被配置在电子设备中为例进行说明。
其中,电子设备可以为任一具有计算能力的设备,例如可以为个人电脑、移动终端、服务器等,移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
在一些示例中,影像采集模块可采用三维全景技术和航拍技术在陆面和空中采集大坝工程现场不同状态的普通照片、全景照片和视频数据,以及对不同状态的普通照片、全景照片和视频数据进行一系列图像处理,以获取进行图像处理得到的大坝影像数据。
其中,可以理解的是,一系列图像处理可以包括影像三维融合、影像畸变纠正、影像特征提取、影像匹配等图像处理操作。
在一些示例中,影像采集模块可以通过无人机上配置的高清摄像头对大坝工程现场的不同状态的普通照片、全景照片和视频数据进行采集。
其中,可以理解的是,高清摄像头可设置激光测距器以及激光测距器旁边可安装有激光标定器,其中,激光测距器负责测量大坝病害位置到物镜的距离,激光标定器作为大坝影像数据中的图像测量尺寸和实际尺寸间换算依据。
步骤102,病害识别模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,并将图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将病害量测数据上传到管理中心。
其中,病害识别模块调用管理中心缓存的大坝影像数据,对大坝影像数据进行逐帧分析,以获取大坝影像数据中的图像。
在一些示例中,病害识别模块调用管理中心存储的已训练的病害检测模型,并将图像输入到已训练的病害检测模型中,以获取病害量测数据。
其中,可以理解的是,病害量测数据包括病害尺寸、病害类型、病害距离和病害位置。
步骤103,管理中心接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务。
在一些示例中,管理中心接收到病害量测数据,根据病害量测数据包括的病害尺寸、病害类型、病害距离和病害位置,以生成对应的病害治理任务。
其中,可以理解的是,以预设的发布时间间隔对病害治理任务进行发布。
其中,预设的发布时间间隔可以由工作人员根据实际需求来确定,此处不再赘述。
在本示例中,管理中心接收到病害量测数据之后,病害量测数据可以供相关工作人员进行查询和分析,以便工作人员及时了解大坝的运行状态。
本实施例中,通过影像采集模块获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心,病害识别模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,并将图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将病害量测数据上传到管理中心,管理中心接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务。由于根据病害识别模块以及根据管理中心,获取了病害量测数据以及根据病害量测数据生成病害治理任务,充分利用了大坝影像数据的应用价值,实现了对病害治理任务的标准化管理,提高了对大坝安全监测运行维护的效率。
在本实施例中,在病害识别模块调用管理中心存储的已训练的病害检测模型之前,管理中心首先需要接收到模型训练模块上传的已训练的病害检测模型。
其中,可以理解的是,可以通过模型训练模块对未训练的病害检测模型进行训练,以获取已训练的病害检测模型。
基于上述实施例的基础上,模型训练模块对未训练的病害检测模型进行训练,获取已训练的病害检测模型,以及将已训练的病害检测模型上传至管理中心,为了可以清楚理解该过程,下面结合图2对该实施例的方法进行进一步示例性描述。
图2为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图二。
如图2所示,该大坝安全监测运行维护方法可以包括以下步骤:
步骤201,模型训练模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,以及获取预先设置的有关于大坝病害的各类图片。
其中,可以理解的是,预先设置的有关于大坝病害的各类图片可以由工作人员从网上资料库中来确定,以及将预先设置的有关于大坝病害的各类图片上传至模型训练模块。
步骤202,根据大坝影像数据中的图像以及预先设置的有关于大坝病害的各类图片,以确定参数训练集。
在一些示例中,按照预设比例可以将参数训练集划分为训练集,测试集和校验集。
其中,预设比例由工作人员根据实际需求来确定,此处不再赘述。
步骤203,根据参数训练集,以实现对未训练的病害检测模型的训练,进而以获取已训练的病害检测模型。
在一些示例中,根据训练集,测试集和校验集,对未训练的病害检测模型进行训练,测试和校验,进而以获取已训练的病害检测模型。
在本示例中,对在支持向量机回归预测模型、深度卷积神经网络模型和RBF神经网络模型中的至少两种类型的模型进行融合,以获取融合模型,其中,该融合模型即为未训练的病害检测模型。
其中,可以理解的是,模型的融合方式可以包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法。
在一些示例中,根据参数训练集,将参数训练集中的大坝影像数据中的图像作为病害检测模型的输入,以获取对应的大坝病害的各类图片,对参数训练集中的预先设置的有关于大坝病害的各类图片以及获取的对应的大坝病害的各类图片进行对比,以获取对比结果,根据对比结果,对未训练的病害检测模型的参数进行调整,以完成对未训练的病害检测模型的训练,进而以获取已训练的病害检测模型。
步骤204,模型训练模块获取所训练过的已训练的病害检测模型,并将已训练的病害检测模型上传至管理中心。
在本实施例中,模型训练模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,以及获取预先设置的有关于大坝病害的各类图片,根据大坝影像数据中的图像以及预先设置的有关于大坝病害的各类图片,以确定参数训练集,根据参数训练集,以实现对未训练的病害检测模型的训练,进而以获取已训练的病害检测模型,模型训练模块获取所训练过的已训练的病害检测模型,并将已训练的病害检测模型上传至管理中心。由此,以实现了对病害检测模型的训练,提高了对大坝病害进行检测的准确率。
在一些实施例中,管理中心接收到病害量测数据,并对病害量测数据进行分析生成病害治理任务之后,还可以对病害治理任务进行统一管理,以及根据病害治理任务,以制定对应的治理策略,以便于工作人员可以及时对大坝病害问题进行处理,实现了对病害治理任务的标准化管理,提高了工作效率。
基于上述实施例的基础上,运行管理模块根据病害治理任务,以制定对应的治理策略,为了可以清楚理解该过程,下面结合图3对该实施例的方法进行进一步示例性描述。
图3为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图三。
如图3所示,该大坝安全监测运行维护方法可以包括以下步骤:
步骤301,管理中心将病害治理任务上传至运行管理模块。
步骤302,运行管理模块接收到病害治理任务,对病害治理任务进行分析计算,以获取维优系数。
在一些示例中,运行管理模块根据病害治理任务,获取病害治理任务对应的病害量测数据,根据病害量测数据,获取病害类型对应的类型值、病害位置对应位置的水文数据、病害位置对应位置的雨量预测数据以及水位偏值,根据维优公式,对病害尺寸、病害类型对应的类型值、病害位置对应位置的水文数据、病害位置对应位置的雨量预测数据以及水位偏值进行计算,以获取维优系数。
其中,可以理解的是,病害量测数据包括的病害类型可以分为多种类型,每种病害类型都有对应的类型值。
在本示例中,根据病害位置对应的大坝区域,以确定对应的大坝区域的水文数据,根据对应的大坝区域的水文数据,以获取病害位置对应位置的水文数据。
具体地,水文数据包括水质信息、水位信息以及水温信息。
其中,可以理解的是,可以由工作人员根据病害位置对应的大坝区域的气象站,以获取病害位置对应位置的雨量预测数据。
在本示例中,根据病害位置,以获取病害位置对应位置的历史同期水位信息以及病害位置对应位置的水位信息,根据第一公式,对历史同期水位信息以及水位信息进行计算,以获取水位偏值。
例如,根据公式计算得到水位偏值PL1,其中,W1为病害位置对应位置的水位信息,WLm为病害位置对应位置的历史同期水位信息,m=1,…,g,g为历史同期水位信息的个数,a1为预设系数。
例如,根据病害位置,采集到当前所在时间年份的2022.6病害位置对应位置的水位信息,即W1,那么可以假设历史同期水位信息的个数g为4,则WL1可以为2018.6病害位置对应位置的历史同期水位信息,WL2可以为2019.6病害位置对应位置的历史同期水位信息,WL3可以为2020.6病害位置对应位置的历史同期水位信息,WL4可以为2021.6病害位置对应位置的历史同期水位信息。
例如,根据维优公式WY=LX×g1+Lc×g2+ƒ×W1×(PL1×g3+W2×g4+YL1×g5)/(Pz×g6),以计算得到病害治理任务的维优系数WY。
其中,LX为病害类型对应的类型值,Lc为病害尺寸,W2为水温信息,YL1为病害位置对应位置的雨量预测数据,Pz为水质信息对应的水质质数,g1、g2、g3、g4、g5、g6均为预设系数因子,ƒ为预设均衡系数。
其中,可以理解的是,g1、g2、g3、g4、g5、g6、f以及a1均可以由工作人员根据实际需求来确定,此处不再赘述。
在本示例中,根据水质信息,以获取水质信息包括水浊度、PH值、溶解氧浓度以及硫化物浓度,对水浊度、PH值、溶解氧浓度以及硫化物浓度进行综合计算,以得出水质信息对应的水质系数。
步骤303,根据维优系数,以确定对应的治理策略。
在一些示例中,运行管理模块从数据库中调用映射关系表,运行管理模块根据维优系数,从多个维优系数区间中以确定目标维优系数区间,根据目标维优系数区间,从映射关系表中以确定对应的治理策略。
其中,可以理解的是,映射关系表由多个维优系数区间以及多个维优系数区间各自对应的治理策略所组成。
本实施例中,管理中心将病害治理任务上传至运行管理模块,运行管理模块接收到病害治理任务,对病害治理任务进行分析计算,以获取维优系数,根据维优系数,以确定对应的治理策略,由于,运行管理模块实现了对病害治理任务对应的治理策略的生成,完成了对病害治理任务的维护,提高了管理效率。
在一些示例中影像采集模块获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心之后,数据监测模块还可以对大坝影像数据进行监测,以便于对大坝影像数据进行更新,由此,充分利用了大坝影像数据的应用价值,同时可以及时监测到大坝运行的状态。
基于上述实施例的基础上,数据监测模块根据大坝影像数据,以实现对大坝影像数据进行标记,以及根据标记,以完成对大坝影像数据的更新,为了可以清楚理解该过程,下面结合图4对该实施例的方法进行进一步示例性描述。
图4为本申请实施例所提供的一种大坝安全监测运行维护方法的流程示意图四。
如图4所示,该大坝安全监测运行维护方法可以包括以下步骤:
步骤401,管理中心将大坝影像数据上传至数据监测模块。
步骤402,数据监测模块接收到大坝影像数据,对大坝影像数据被检索的情况进行监测统计,以获取统计结果。
在一些示例中,在预设统计时间间隔内,数据监测模块对大坝影像数据被检索的次数进行统计以及对每次大坝影像数据被检索的倒计时时长进行统计,以获取检索次数以及检索持续时长,根据检索次数以及检索持续时长,以获取统计结果。
其中,可以理解的是,预设统计时间间隔可以由工作人员根据实际情况来确定,此处不再赘述。
具体地,在预设统计时间间隔内,在数据监测模块监测到大坝影像数据被检索的情况下,以预设时长进行倒计时,并对大坝影像数据被检索的倒计时时长进行统计,当数据监测模块再次监测到大坝影像数据被检索且当前大坝影像数据被检索的倒计时时长不等于预设时长的情况下,以获取当前的倒计时时长,以及以预设时长进行重新倒计时。
其中,需要说明的是,在预设统计时间间隔内,对每次大坝影像数据被检索以获取的倒计时时长进行求和,以获取检索持续时长。
其中,可以理解的是,预设时长可以由工作人员根据实际情况来确定,此处不再赘述。
步骤403,对统计结果进行分析计算,以获取检索评价分。
在一些示例中,根据观测公式,对统计结果进行计算,以计算出观测系数,在预设统计时间间隔内,对观测系数与第一观测阈值和第二观测阈值进行比较,以获取比较结果,根据比较结果,对观测系数与第一观测阈值和第二观测阈值之间出现大小关系的次数进行统计,以获取统计次数,根据检索评价公式,对统计次数进行计算,以获取检索评价分。
其中,需要说明的是,第一观测阈值小于第二观测阈值,第一观测阈值和第二观测阈值均可以由工作人员根据实际需求来确定。
其中,可以理解的是,步骤403中的预设统计时间间隔与步骤402中的预设统计时间间隔相同。
例如,根据观测公式GC=JP1×r1+JPT×r2,以计算得到大坝工程影像数据的观测系数GC,其中,JP1为在预设统计时间间隔内,大坝影像数据被检索的检索次数,JPT为检索持续时长,r1、r2均为系数因子。
其中,可以理解的是,比较结果可以分为观测系数小于第一观测阈值,观测系数不小于第一观测阈值且观测系数小于第二观测阈值,观测系数不小于第二观测阈值三种情况。
在一些示例中,在比较结果指示观测系数小于第一观测阈值的情况下,对观测系数与第一观测阈值之间出现小于关系的次数进行统计,以获取第一统计次数。
对应的,在比较结果指示观测系数不小于第一观测阈值且观测系数小于第二观测阈值的情况下,对观测系数与第一观测阈值和第二观测阈值之间出现大小关系的次数进行统计,以获取第二统计次数。
对应的,在比较结果指示观测系数不小于第二观测阈值的情况下,对观测系数与第二观测阈值之间出现不小于关系的次数进行统计,以获取第三统计次数。
例如,根据检索评价公式Wp=µ×(C3×3+C2×2+C1)×r3,以计算得到检索评价分Wp,其中,C1为第一统计次数,C2为第二统计次数,C3为第三统计次数,µ为预设补偿因子,r3为系数因子。
步骤404,对检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据判断结果,对大坝影像数据进行标记。
其中,可以理解的是,预设评分阈值可以由工作人员根据实际需求来确定,此处不再赘述。
其中,需要说明的是,判断结果可分为检索评价分不大于预设评分阈值以及检索评价分大于预设评分阈值两种情况。
在一些示例中,在判断结果指示检索评价分不大于预设评分阈值的情况下,对大坝影像数据进行标记为低频影像数据,以及获取大坝影像数据的存储时长以及对大坝影像数据的存储时长设置预设更新阈值,在大坝影像数据进行标记为低频影像数据且存储时长等于预设更新阈值的情况下,生成数据更新指令,以及对存储时长进行归零操作。
其中,可以理解的是,预设更新阈值可以由工作人员根据实际需求来确定,此处不再赘述。
对应的,在判断结果指示所述检索评价分大于预设评分阈值的情况下,对大坝影像数据进行标记为高频影像数据,在大坝影像数据进行标记为高频影像数据的情况下,生成数据更新指令,以及对大坝影像数据的存储时长进行归零操作。
在一些示例中,在数据监测模块生成数据更新指令之后,数据监测模块将数据更新指令传达到管理中心,管理中心将数据更新指令传达到影像采集模块,影像采集模块根据数据更新指令,对大坝影像数据进行更新,并对大坝影像数据的存储时长进行归零操作。
作为一种示例,为了可以实现生成病害治理任务、对病害治理任务进行管理以及对大坝影像数据进行监测的任务,本申请在影像采集模块获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心,病害识别模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,并将图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将病害量测数据上传到管理中心,管理中心接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务。
当在病害识别模块调用管理中心存储的已训练的病害检测模型之前,模型训练模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,以及获取预先设置的有关于大坝病害的各类图片,根据大坝影像数据中的图像以及预先设置的有关于大坝病害的各类图片,以确定参数训练集,根据参数训练集,以实现对未训练的病害检测模型的训练,进而以获取已训练的病害检测模型,模型训练模块获取所训练过的已训练的病害检测模型,并将已训练的病害检测模型上传至管理中心。
当在管理中心接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务之后,管理中心将病害治理任务上传至运行管理模块,运行管理模块接收到病害治理任务,对病害治理任务进行分析计算,以获取维优系数,运行管理模块从数据库映射关系表,根据维优系数,从映射关系表中以确定对应的治理策略。由此,以实现了对病害治理任务的管理,以便于工作人员可以及时对大坝病害问题进行处理,提高了工作效率。
当在影像采集模块获取所处理过的大坝影像数据,并将大坝影像数据缓存至管理中心之后,管理中心将大坝影像数据上传至数据监测模块,数据监测模块接收到大坝影像数据,对大坝影像数据被检索的情况进行监测统计,以获取统计结果,对统计结果进行分析计算,以获取检索评价分,对检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据判断结果,对大坝影像数据进行标记。由此,以实现了对大坝影像数据的监测,以及根据标记,以完成对大坝影像数据的更新,充分利用了大坝影像数据的应用价值。
该大坝安全监测运行维护方法架构交互图可以如图5所示,由此,充分利用了大坝影像数据的应用价值,实现了对病害治理任务的标准化管理,提高了对大坝安全监测运行维护效率。
为了实现上述实施例,本申请还提出一种大坝安全监测运行维护装置。
图6为本申请实施例提供的一种大坝安全监测运行维护装置的结构示意图。
如图6所示,该大坝安全监测运行维护装置600包括:影像采集模块601,病害识别模块602,管理中心模块603以及运行管理模块604。
影像采集模块601,用于获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心;
病害识别模块602,用于调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,并将图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将病害量测数据上传到管理中心;
管理中心模块603,用于接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务,以及管理中心模块603将病害治理任务上传至运行管理模块604;
运行管理模块604,用于接收到病害治理任务,对病害治理任务进行分析计算,以获取维优系数,以及根据维优系数,以确定对应的治理策略。
基于上述实施例,本申请实施例还提供了另一种大坝安全监测运行维护装置的可能的实现方式,在上一实施例的基础上,如图7所示,该大坝安全监测运行维护装置还包括:模型训练模块605以及数据监测模块606。
在一个实施例中,病害识别模块602调用管理中心存储的已训练的病害检测模型之前,模型训练模块605,包括:
第一调用单元6051,用于模型训练模块605调用管理中心模块603缓存的大坝影像数据,以获取大坝影像数据中的图像,以及获取预先设置的有关于大坝病害的各类图片;
参数训练集单元6052,用于根据大坝影像数据中的图像以及预先设置的有关于大坝病害的各类图片,以确定参数训练集;
训练单元6053,用于根据参数训练集,以实现对未训练的病害检测模型的训练,进而以获取已训练的病害检测模型;
第一上传单元6054,用于获取训练单元6053所训练过的已训练的病害检测模型,并将已训练的病害检测模型上传至管理中心模块603。
在一个实施例中,训练单元6053,具体用于:
获取大坝影像数据中的图像以及预先设置的有关于大坝病害的各类图片;
将大坝影像数据中的图像作为病害检测模型的输入,以获取对应的大坝病害的各类图片;
根据预先设置的有关于大坝病害的各类图片以及对应的大坝病害的各类图片,对未训练的病害检测模型进行训练,以获取已训练的病害检测模型。
在一个实施例中,影像采集模块601获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心模块603之后,数据监测模块606,包括:
第二接收单元6061,用于数据监测模块606接收到管理中心模块603上传的大坝影像数据,对大坝影像数据被检索的情况进行监测统计,以获取统计结果;
检索评价分单元6062,用于对统计结果进行分析计算,以获取检索评价分;
标记单元6063,用于对检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据判断结果,对大坝影像数据进行标记。
在一个实施例中,检索评价分单元6062,具体用于:
根据观测公式,对统计结果进行计算,以计算出观测系数;
在预设统计时间间隔内,对观测系数与第一观测阈值和第二观测阈值进行比较,以获取比较结果,其中,第一观测阈值小于第二观测阈值;
根据比较结果,对观测系数与第一观测阈值和第二观测阈值之间出现大小关系的次数进行统计,以获取统计次数;
根据检索评价公式,对统计次数进行计算,以获取检索评价分。
在一个实施例中,标记单元6063,具体用于:
在判断结果指示检索评价分不大于预设评分阈值的情况下,对大坝影像数据进行标记为低频影像数据,以及获取大坝影像数据的存储时长以及对大坝影像数据的存储时长设置预设更新阈值;
在大坝影像数据进行标记为低频影像数据且存储时长等于预设更新阈值的情况下,生成数据更新指令,以及对存储时长进行归零操作。
在一个实施例中,标记单元6063,具体用于:
在判断结果指示检索评价分大于预设评分阈值的情况下,对大坝影像数据进行标记为高频影像数据;
在大坝影像数据进行标记为高频影像数据的情况下,生成数据更新指令,以及对大坝影像数据的存储时长进行归零操作。
在一个实施例中,在生成数据更新指令之后,所述装置包括:
标记单元6063,具体用于:数据监测模块606将数据更新指令传达到管理中心模块603;
管理中心模块603,具体用于:将数据更新指令传达到影像采集模块601;
影像采集模块601,具体用于:影像采集模块601根据数据更新指令,对大坝影像数据进行更新,并对大坝影像数据的存储时长进行归零操作。
需要说明的是,前述对大坝安全监测运行维护方法实施例的解释说明也适用于该实施例的大坝安全监测运行维护装置,此处不再赘述。
本申请提供的大坝安全监测运行维护装置,通过影像采集模块获取进行图像处理得到的大坝影像数据,并将大坝影像数据缓存至管理中心,病害识别模块调用管理中心缓存的大坝影像数据,以获取大坝影像数据中的图像,并将图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将病害量测数据上传到管理中心,管理中心接收到病害量测数据,并对病害量测数据进行分析,以生成病害治理任务。由于根据病害识别模块以及根据管理中心,获取了病害量测数据以及根据病害量测数据生成病害治理任务,充分利用了大坝影像数据的应用价值,实现了对病害治理任务的标准化管理,提高了对大坝安全监测运行维护效率。
为了实现上述实施例,本申请还提出一种电子设备800,包括:存储器801、处理器802及存储在存储器801上并可在处理器802上运行的计算机指令。
处理器802执行指令时实现上述实施例中提供的大坝安全监测运行维护方法。
进一步地,大坝安全监测运行维护设备还包括:
通信接口803,用于存储器801和处理器802之间的通信。
存储器801,用于存放可在处理器802上运行的计算机指令。
存储器801可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器802,用于执行程序时实现上述实施例的大坝安全监测运行维护方法。
如果存储器801、处理器802和通信接口803独立实现,则通信接口803、存储器801和处理器802可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器801、处理器802及通信接口803,集成在一块芯片上实现,则存储器801、处理器802及通信接口803可以通过内部接口完成相互间的通信。
处理器802可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
为了实现上述实施例,本申请还提出一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器802执行时用于实现前述实施例所提供的方法。
为了实现上述实施例,本申请还提出一种计算机程序产品,包括计算机程序,该计算机程序被处理器802执行时实现前述实施例所提供的方法。
本申请中所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
需要说明的是,来自用户的个人信息应当被收集用于合法且合理的用途,并且不在这些合法使用之外共享或出售。此外,应在收到用户知情同意后进行此类采集/共享,包括但不限于在用户使用该功能前,通知用户阅读用户协议/用户通知,并签署包括授权相关用户信息的协议/授权。此外,还需采取任何必要步骤,保卫和保障对此类个人信息数据的访问,并确保有权访问个人信息数据的其他人遵守其隐私政策和流程。
本申请预期可提供用户选择性阻止使用或访问个人信息数据的实施方案。即本公开预期可提供硬件和/或软件,以防止或阻止对此类个人信息数据的访问。一旦不再需要个人信息数据,通过限制数据收集和删除数据可最小化风险。此外,在适用时,对此类个人信息去除个人标识,以保护用户的隐私。
在前述各实施例描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种大坝安全监测运行维护方法,其特征在于,包括以下步骤:
影像采集模块获取进行图像处理得到的大坝影像数据,并将所述大坝影像数据缓存至管理中心;
病害识别模块调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据,以及将所述病害量测数据上传到所述管理中心;
所述管理中心接收到所述病害量测数据,并对所述病害量测数据进行分析,以生成病害治理任务,以及所述管理中心将所述病害治理任务上传至运行管理模块;
所述运行管理模块接收到所述病害治理任务,对所述病害治理任务进行分析计算,以获取维优系数,以及根据所述维优系数,以确定对应的治理策略;
其中,所述维优系数,通过以下公式得到:
WY=LX×g1+Lc×g2+ƒ×W1×(PL1×g3+W2×g4+YL1×g5)/(Pz×g6);
其中,WY表示所述维优系数,LX为病害类型对应的类型值,Lc为病害尺寸,W2为水温信息,YL1为病害位置对应位置的雨量预测数据,Pz为水质信息对应的水质质数,g1、g2、g3、g4、g5、g6均为预设系数因子,ƒ为预设均衡系数;
其中,根据所述维优系数,以确定对应的治理策略,包括:
从数据库中调用映射关系表;
根据所述维优系数,从多个维优系数区间中以确定目标维优系数区间;
根据所述目标维优系数区间,从所述映射关系表中以确定对应的治理策略。
2.根据权利要求1所述的大坝安全监测运行维护方法,其特征在于,所述病害识别模块调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据,同时将所述病害量测数据上传到所述管理中心,包括:
所述病害识别模块调用所述管理中心缓存的所述大坝影像数据,对所述大坝影像数据进行逐帧分析,以获取所述大坝影像数据中的图像;
所述病害识别模块调用所述管理中心存储的所述已训练的病害检测模型,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据。
3.根据权利要求2所述的方法,其特征在于,所述所述病害识别模块调用所述管理中心存储的所述已训练的病害检测模型之前,包括:
模型训练模块调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,以及获取预先设置的有关于大坝病害的各类图片;
根据所述大坝影像数据中的图像以及所述预先设置的有关于大坝病害的各类图片,以确定参数训练集;
根据所述参数训练集,以实现对未训练的病害检测模型的训练,进而以获取所述已训练的病害检测模型;
所述模型训练模块获取所训练过的所述已训练的病害检测模型,并将所述已训练的病害检测模型上传至所述管理中心。
4.根据权利要求3所述的方法,其特征在于,所述病害检测模型的训练方式为:
获取所述大坝影像数据中的图像以及所述预先设置的有关于大坝病害的各类图片;
将所述大坝影像数据中的图像作为所述病害检测模型的输入,以获取对应的大坝病害的各类图片;
根据所述预先设置的有关于大坝病害的各类图片以及所述对应的大坝病害的各类图片,对所述未训练的病害检测模型进行训练,以获取已训练的病害检测模型。
5.根据权利要求1所述的大坝安全监测运行维护方法,其特征在于,所述影像采集模块获取进行图像处理得到的大坝影像数据,并将所述大坝影像数据缓存至管理中心之后,所述方法还包括:
所述管理中心将所述大坝影像数据上传至数据监测模块;
所述数据监测模块接收到所述大坝影像数据,对所述大坝影像数据被检索的情况进行监测统计,以获取统计结果;
对所述统计结果进行分析计算,以获取检索评价分;
对所述检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据所述判断结果,对所述大坝影像数据进行标记。
6.根据权利要求5所述的大坝安全监测运行维护方法,其特征在于,所述对所述统计结果进行分析计算,以获取检索评价分,包括:
根据观测公式,对所述统计结果进行计算,以计算出观测系数;
在预设统计时间间隔内,对所述观测系数与第一观测阈值和第二观测阈值进行比较,以获取比较结果,其中,所述第一观测阈值小于所述第二观测阈值;
根据所述比较结果,对所述观测系数与第一观测阈值和第二观测阈值之间出现大小关系的次数进行统计,以获取统计次数;
根据检索评价公式,对所述统计次数进行计算,以获取检索评价分。
7.根据权利要求5所述的大坝安全监测运行维护方法,其特征在于,所述对所述检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据所述判断结果,对所述大坝影像数据进行标记,包括:
在所述判断结果指示所述检索评价分不大于所述预设评分阈值的情况下,对所述大坝影像数据进行标记为低频影像数据,以及获取所述大坝影像数据的存储时长以及对所述大坝影像数据的存储时长设置预设更新阈值;
在所述大坝影像数据进行标记为所述低频影像数据且所述存储时长等于所述预设更新阈值的情况下,生成数据更新指令,以及对所述存储时长进行归零操作。
8.根据权利要求5所述的大坝安全监测运行维护方法,其特征在于,所述对所述检索评价分和预设评分阈值之间的大小关系进行判断,以获取判断结果,根据所述判断结果,对所述大坝影像数据进行标记,包括:
在所述判断结果指示所述检索评价分大于所述预设评分阈值的情况下,对所述大坝影像数据进行标记为高频影像数据;
在所述大坝影像数据进行标记为所述高频影像数据的情况下,生成数据更新指令,以及对所述大坝影像数据的存储时长进行归零操作。
9.根据权利要求7或8所述的大坝安全监测运行维护方法,其特征在于,所述以生成数据更新指令之后,包括:
所述数据监测模块将所述数据更新指令传达到所述管理中心;
所述管理中心将所述数据更新指令传达到所述影像采集模块;
所述影像采集模块根据所述数据更新指令,对所述大坝影像数据进行更新,并对所述大坝影像数据的存储时长进行归零操作。
10.一种大坝安全监测运行维护装置,其特征在于,包括:
影像采集模块,用于获取进行图像处理得到的大坝影像数据,并将所述大坝影像数据缓存至管理中心;
病害识别模块,用于调用所述管理中心缓存的所述大坝影像数据,以获取所述大坝影像数据中的图像,并将所述图像输入到已训练的病害检测模型中,以获取病害量测数据,同时将所述病害量测数据上传到所述管理中心;
管理中心模块,用于接收到所述病害量测数据,并对所述病害量测数据进行分析,以生成病害治理任务,以及所述管理中心将所述病害治理任务上传至运行管理模块;
运行管理模块,用于接收到所述病害治理任务,对所述病害治理任务进行分析计算,以获取维优系数,以及根据所述维优系数,以确定对应的治理策略;
其中,所述维优系数,通过以下公式得到:
WY=LX×g1+Lc×g2+ƒ×W1×(PL1×g3+W2×g4+YL1×g5)/(Pz×g6);
其中,WY表示所述维优系数,LX为病害类型对应的类型值,Lc为病害尺寸,W2为水温信息,YL1为病害位置对应位置的雨量预测数据,Pz为水质信息对应的水质质数,g1、g2、g3、g4、g5、g6均为预设系数因子,ƒ为预设均衡系数;
其中,根据所述维优系数,以确定对应的治理策略,包括:
从数据库中调用映射关系表;
根据所述维优系数,从多个维优系数区间中以确定目标维优系数区间;
根据所述目标维优系数区间,从所述映射关系表中以确定对应的治理策略。
11.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132555.5A CN117690093B (zh) | 2024-01-31 | 2024-01-31 | 大坝安全监测运行维护方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132555.5A CN117690093B (zh) | 2024-01-31 | 2024-01-31 | 大坝安全监测运行维护方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117690093A CN117690093A (zh) | 2024-03-12 |
CN117690093B true CN117690093B (zh) | 2024-04-26 |
Family
ID=90130381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410132555.5A Active CN117690093B (zh) | 2024-01-31 | 2024-01-31 | 大坝安全监测运行维护方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117690093B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894734A (zh) * | 2017-12-25 | 2018-04-10 | 重庆多邦科技股份有限公司 | 一种大坝安全监测数据采集仪及大坝数据监测方法 |
CN109052653A (zh) * | 2018-10-08 | 2018-12-21 | 湖南九层台环境科技有限公司 | 一种水体修复生态基底模块及其构建方法 |
CN211181020U (zh) * | 2019-12-17 | 2020-08-04 | 西安交大开元土地勘测规划研究院有限公司 | 一种地质环境治理监测系统 |
CN114547951A (zh) * | 2022-04-24 | 2022-05-27 | 浙江远算科技有限公司 | 一种基于数据同化的大坝状态预测方法及系统 |
CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
WO2022233244A1 (zh) * | 2021-05-06 | 2022-11-10 | 华为技术有限公司 | 一种数据获取方法、系统及其装置 |
CN115374508A (zh) * | 2022-08-09 | 2022-11-22 | 福建中锐网络股份有限公司 | 一种基于虚拟现实技术的大中型水库安全巡检系统 |
CN115758252A (zh) * | 2022-09-15 | 2023-03-07 | 南京河海南自水电自动化有限公司 | 基于多源信息融合技术的监测信息实时处理与分析方法 |
CN116188994A (zh) * | 2023-03-24 | 2023-05-30 | 清华大学 | 淤地坝识别方法、装置、电子设备及存储介质 |
CN116308094A (zh) * | 2022-09-09 | 2023-06-23 | 水电水利规划设计总院 | 一种基于多源数据融合的流域水电安全监测管理系统 |
CN116665125A (zh) * | 2023-05-26 | 2023-08-29 | 安徽省高速公路试验检测科研中心有限公司 | 用于桥隧病害的智能识别系统 |
CN116719334A (zh) * | 2023-05-25 | 2023-09-08 | 国网新源集团有限公司富春江水力发电厂 | 一种水库智能巡检系统及方法 |
CN116778329A (zh) * | 2023-06-21 | 2023-09-19 | 中煤(西安)地下空间科技发展有限公司 | 城市道路地下浅层病害检测方法、装置、设备及介质 |
CN116912551A (zh) * | 2023-05-31 | 2023-10-20 | 安徽省高速公路试验检测科研中心有限公司 | 基于车联网的高速公路设备监测系统 |
CN117372854A (zh) * | 2023-10-24 | 2024-01-09 | 河海大学 | 一种大坝深水结构隐患病害实时检测方法 |
-
2024
- 2024-01-31 CN CN202410132555.5A patent/CN117690093B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894734A (zh) * | 2017-12-25 | 2018-04-10 | 重庆多邦科技股份有限公司 | 一种大坝安全监测数据采集仪及大坝数据监测方法 |
CN109052653A (zh) * | 2018-10-08 | 2018-12-21 | 湖南九层台环境科技有限公司 | 一种水体修复生态基底模块及其构建方法 |
CN211181020U (zh) * | 2019-12-17 | 2020-08-04 | 西安交大开元土地勘测规划研究院有限公司 | 一种地质环境治理监测系统 |
WO2022233244A1 (zh) * | 2021-05-06 | 2022-11-10 | 华为技术有限公司 | 一种数据获取方法、系统及其装置 |
CN114547951A (zh) * | 2022-04-24 | 2022-05-27 | 浙江远算科技有限公司 | 一种基于数据同化的大坝状态预测方法及系统 |
CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
CN115374508A (zh) * | 2022-08-09 | 2022-11-22 | 福建中锐网络股份有限公司 | 一种基于虚拟现实技术的大中型水库安全巡检系统 |
CN116308094A (zh) * | 2022-09-09 | 2023-06-23 | 水电水利规划设计总院 | 一种基于多源数据融合的流域水电安全监测管理系统 |
CN115758252A (zh) * | 2022-09-15 | 2023-03-07 | 南京河海南自水电自动化有限公司 | 基于多源信息融合技术的监测信息实时处理与分析方法 |
CN116188994A (zh) * | 2023-03-24 | 2023-05-30 | 清华大学 | 淤地坝识别方法、装置、电子设备及存储介质 |
CN116719334A (zh) * | 2023-05-25 | 2023-09-08 | 国网新源集团有限公司富春江水力发电厂 | 一种水库智能巡检系统及方法 |
CN116665125A (zh) * | 2023-05-26 | 2023-08-29 | 安徽省高速公路试验检测科研中心有限公司 | 用于桥隧病害的智能识别系统 |
CN116912551A (zh) * | 2023-05-31 | 2023-10-20 | 安徽省高速公路试验检测科研中心有限公司 | 基于车联网的高速公路设备监测系统 |
CN116778329A (zh) * | 2023-06-21 | 2023-09-19 | 中煤(西安)地下空间科技发展有限公司 | 城市道路地下浅层病害检测方法、装置、设备及介质 |
CN117372854A (zh) * | 2023-10-24 | 2024-01-09 | 河海大学 | 一种大坝深水结构隐患病害实时检测方法 |
Non-Patent Citations (4)
Title |
---|
Convolutional neural-network-based automatic dam-surface seepage defect identification from thermograms collected from UAV-mounted thermal imaging camera;Zheng-fang Wang 等;《ELSEVIER》;20220201;第323卷;1-10 * |
基于支持向量机的土石坝安全监测数据分析及其应用研究;万凯;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20210215(第02期);C037-131 * |
大坝缺陷识别系统设计与实现;葛从兵 等;《软件导刊》;20230425;第22卷(第05期);84-90 * |
混凝土坝运行期安全信息管理与分析关键技术研究及平台开发;吴越;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20200615(第06期);C037-102 * |
Also Published As
Publication number | Publication date |
---|---|
CN117690093A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126802A (zh) | 基于人工智能的高速公路检查评价方法及系统 | |
CN115424232A (zh) | 一种路面坑槽的识别和评价方法、电子设备及存储介质 | |
CN104333694B (zh) | 一种防止门店拜访拍照造假的方法 | |
US11735043B2 (en) | Systems and methods for fraud prevention based on video analytics | |
CN108921840A (zh) | 显示屏外围电路检测方法、装置、电子设备及存储介质 | |
CN116824516B (zh) | 一种涉路施工安全监测及管理系统 | |
CN114332707A (zh) | 设备有效性的确定方法及装置、存储介质、电子装置 | |
CN110795998B (zh) | 人流量的检测方法、装置、电子设备及可读存储介质 | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 | |
CN117690093B (zh) | 大坝安全监测运行维护方法、装置、电子设备及存储介质 | |
CN114971166A (zh) | 一种轻量化道路路面服务质量巡检系统 | |
CN110458144A (zh) | 物体区域入侵检测方法、系统、装置及可读存储介质 | |
CN110164136A (zh) | 套牌车辆识别方法 | |
CN111460866A (zh) | 车道线检测及驾驶控制方法、装置和电子设备 | |
CN117372629A (zh) | 一种基于数字孪生的水库可视化数据监管控制系统及方法 | |
CN114495244B (zh) | 电像计算数据异常检测方法、装置、设备及存储介质 | |
CN115187048B (zh) | 轨道线路多域限界异物侵限事件状况识别方法及系统 | |
CN114235082B (zh) | 一种基于采砂量监测系统的智能计量方法 | |
CN115512098A (zh) | 一种桥梁电子化巡检系统及巡检方法 | |
CN112529366A (zh) | 一种基于机器视觉的工程远程监理协同管控系统 | |
CN113971762A (zh) | 一种旋转机械作业安全风险智能识别方法及系统 | |
CN114219073A (zh) | 属性信息的确定方法、装置、存储介质及电子装置 | |
KR102039666B1 (ko) | 사고예방용 시설물 안전점검 시스템 및 방법 | |
CN109862349A (zh) | 视差图的质量检测方法、装置与自动驾驶系统 | |
CN108665705A (zh) | 交通诱导统计模型校对方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |