CN117809260A - 泥石流物源启动的识别方法、装置以及电子设备 - Google Patents
泥石流物源启动的识别方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN117809260A CN117809260A CN202410199689.9A CN202410199689A CN117809260A CN 117809260 A CN117809260 A CN 117809260A CN 202410199689 A CN202410199689 A CN 202410199689A CN 117809260 A CN117809260 A CN 117809260A
- Authority
- CN
- China
- Prior art keywords
- debris flow
- image data
- source
- real
- turbidity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000008859 change Effects 0.000 claims abstract description 61
- 239000012530 fluid Substances 0.000 claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000008878 coupling Effects 0.000 claims abstract description 18
- 238000010168 coupling process Methods 0.000 claims abstract description 18
- 238000005859 coupling reaction Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims description 24
- 108010014173 Factor X Proteins 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 11
- 239000004575 stone Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 description 11
- 239000011435 rock Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000011835 investigation 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
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供了一种泥石流物源启动的识别方法、装置以及电子设备，涉及图像数据处理技术领域，解决了对泥石流物源是否启动的识别结果准确度较低的技术问题。该方法包括：获取泥石流沟内的初始图像数据以及实时图像数据；基于所述初始图像数据建立泥石流沟原始的概化模型；基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征；基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征；对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。
Description
技术领域
本申请涉及图像数据处理技术领域，尤其是涉及一种泥石流物源启动的识别方法、装置以及电子设备。
背景技术
随着近年来极端天气频繁发生，造成的泥石流灾害越来越多，泥石流早期识别技术受到越来越重视。目前泥石流早期识别技术主要是泥水位变化、流量等特征方面。
目前，泥石流早期识别主要依靠于诱发泥石流启动的影响因素降雨量和泥石流泥水位两个特征变量的监测，虽然启到一定效果，单独泥石流物源启动的形成监测方面还有一定的局限性，影响泥石流监测预警的效果，使得对泥石流物源是否启动的识别结果准确度较低。
发明内容
本发明的目的在于提供一种泥石流物源启动的识别方法、装置以及电子设备，以解决对泥石流物源是否启动的识别结果准确度较低的技术问题。
第一方面，本申请实施例提供了一种泥石流物源启动的识别方法，所述方法包括：
获取泥石流沟内的初始图像数据以及实时图像数据；
基于所述初始图像数据建立泥石流沟原始的概化模型；
基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征；
基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征；
对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。
在一个可能的实现中，在获取泥石流沟内的初始图像数据的步骤之前，还包括：
通过图像采集仪按照预设定时采集泥石流沟内图像数据；
通过传输系统利用双模传输方式向图像识别系统传输所述泥石流沟内图像数据，以获取所述泥石流沟内图像数据；其中，所述利用双模传输方式包含根据现场通信信号自动判别通过第四代移动通信技术（the 4th generation mobile communicationtechnology，4G）物联网进行传输或通过卫星导航系统进行传输。
在一个可能的实现中，所述基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征的步骤，包括：
基于所述实时图像数据提取所述泥石流沟内的泥石流物源的实时特征值；
将所述实时特征值与所述概化模型中所述初始图像数据的初始特征值进行对比，得到对比结果；
根据所述对比结果判断所述泥石流物源属于新增加物源或已有物源；
如果所述泥石流物源属于所述新增加物源则建立值为1的第一变量；
如果所述泥石流物源属于所述已有物源则建立值为0的第一变量；
将所述第一变量作为判别所述泥石流物源启动所导致变化的一个因子X。
在一个可能的实现中，所述基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征的步骤，包括：
基于所述实时图像数据中的流体颜色确定所述泥石流沟内泥石流流体的实时浑浊度；
基于所述概化模型中所述初始图像数据的流体颜色确定所述泥石流沟内泥石流流体的原始浑浊度；
将所述实时浑浊度与所述原始浑浊度进行对比，得到所述实时浑浊度与所述原始浑浊度之间的浊度增加值；
如果所述浊度增加值大于预设浊度值，则确定所述泥石流流体已变浑浊，并建立值为1的第二变量；
如果所述浊度增加值小于或等于所述预设浊度值，则确定所述泥石流流体未变浑浊，并建立值为0的第二变量；
将所述第二变量作为判别所述泥石流流体启动所导致变化的一个因子Y。
在一个可能的实现中，所述对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果的步骤，包括：
如果所述因子X和所述因子Y的因子结果均为1，则确定所述泥石流物源已启动；
如果所述因子X和所述因子Y的因子结果均为0，则确定所述泥石流物源未启动；
如果所述因子X和所述因子Y的因子结果中的任意一项为1，则将所述因子结果发送至终端，以通过人工判断所述泥石流物源是否启动。
在一个可能的实现中，在所述对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果的步骤之后，包括：
将所述泥石流物源启动的综合识别结果进行监测预警信息的上报处理，以将所述综合识别结果作为决策依据。
在一个可能的实现中，所述泥石流物源包括下述任意一项或多项：
所述泥石流沟内的块石、树木、生物。
第二方面，提供了一种泥石流物源启动的识别装置，包括：
获取模块，用于获取泥石流沟内的初始图像数据以及实时图像数据；
建立模块，用于基于所述初始图像数据建立泥石流沟原始的概化模型；
第一识别模块，用于基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征；
第二识别模块，用于基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征；
分析模块，用于对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。
第三方面，本申请实施例又提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的第一方面所述方法。
第四方面，本申请实施例又提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述的第一方面所述方法。
本申请实施例带来了以下有益效果：
本申请实施例提供的一种泥石流物源启动的识别方法、装置以及电子设备，能够获取泥石流沟内的初始图像数据以及实时图像数据；基于所述初始图像数据建立泥石流沟原始的概化模型；基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征；基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征；对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。本方案中，通过泥石流上有物源启动时引起的沟内物质变化和色系变化，通过图像数据处理技术，结合特征概化模型，来实现泥石流物源启动时的两个特征识别，即通过对泥石流图像数据的处理以及耦合分析泥石流物源启动的两个特征模型，进而实现了对泥石流物源启动的多方面综合识别，使得对泥石流物源是否启动的识别结果的准确度得到提高，解决了对泥石流物源是否启动的识别结果准确度较低的技术问题。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的泥石流物源启动的识别方法的流程示意图；
图2为本申请实施例提供的泥石流物源启动的识别方法的另一流程示意图；
图3为本申请实施例提供的一种泥石流物源启动的识别装置的结构示意图；
图4示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，泥石流早期识别技术主要是在泥水位变化、流量等特征方面有研究，在图像识别泥石流物源研究方面较少，技术发展缓慢，与防灾减灾的需求不相适应，使得对泥石流物源是否启动的识别结果准确度较低。
基于此，本申请实施例提供了一种泥石流物源启动的识别方法、装置以及电子设备，通过该方法可以解决对泥石流物源是否启动的识别结果准确度较低的技术问题。
下面结合附图对本发明实施例进行进一步地介绍。
图1为本申请实施例提供的一种泥石流物源启动的识别方法的流程示意图。如图1所示，该方法包括：
步骤S110，获取泥石流沟内的初始图像数据以及实时图像数据。
作为一种可选的实施方式，可以通过图像采集仪设定的定时采集功能获取泥石流沟内的初始图像数据以及实时图像数据。
示例性的，泥石流物源启动识别系统主要由图像采集仪、传输系统、图像识别系统等三部分构成。其中，图像采集仪用于定时采集泥石流沟内图片数据；传输系统用于将采集到的图片数据上传到图像识别系统，以便于图像识别系统根据内置算法进行计算并输出计算结果作为防灾减灾决策参考。
步骤S120，基于初始图像数据建立泥石流沟原始的概化模型。
在一种可能的实施方式中，可以基于初始图像数据建立泥石流沟本底概化模型，将泥石流沟内的图片采集（初始图像数据）作为背景图片，后期再采集的图片均与这第一张的背景图片进行对比计算。
步骤S130，基于实时图像数据通过概化模型识别泥石流沟内的泥石流物源在启动时的动态变化特征。
其中，泥石流物源可以包括下述任意一项或多项：泥石流沟内的块石、树木、生物。示例性的，对沟内块石、树木等泥石流物源启动时的动态变化特征进行模型识别。
例如，可以先对上传的图片信息（实时图像数据）进行预处理和建模，通过提取实时图像数据中泥石流沟内物源特征，形成块石、树木等方面的特征值，然后将该特征值与背景图片对比，进而判断这些块石和树木是新增加的还是已有的，建立0和1这两个变量：0为已有的，不做变化处理；1为新增的，作为判别泥石流物源启动引起的变化的一个因子X。
步骤S140，基于实时图像数据通过概化模型识别泥石流物源在启动时导致的流体颜色变化特征。
需要说明的是，本步骤中可以对泥石流物源启动时引起的流体颜色变化特征进行模型识别。
示例性的，将采集的图片信息（实时图像数据）与背景图片（初始图像数据）进行浊度筛选和优化处理，通过浊度来对比泥石流流体的变化，同样建立0和1这两个变量：如果识别不变浑浊为0，说明泥石流流体没有变化；如果识别变结果为1，说明泥石流流体变浑浊，作为泥石流启动判别的另外一个因子Y。
步骤S150，对动态变化特征和流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。
在实际应用中，通过两个特征耦和分析，从而建立泥石流物源启动识别系统。例如，在泥石流物源启动模式综合判别过程中，如果X、Y两个因子结果同时为1，则可以判别泥石流物源为启动；如果其中一项为1，则人工判断。
通过泥石流上有物源启动时引起的沟内物质变化和色系变化，通过图像数据处理技术，结合特征概化模型，来实现泥石流物源启动时的两个特征识别，即通过对泥石流图像数据的处理以及耦合分析泥石流物源启动的两个特征模型，进而实现了对泥石流物源启动的多方面综合识别，使得对泥石流物源是否启动的识别结果的准确度得到提高，解决了对泥石流物源是否启动的识别结果准确度较低的技术问题。从而实现泥石流早期预防，达到防灾减灾的效果。本申请实施例提供的方案可以应用于泥石流多发地区的地质灾害监测预警中，为决策提供重要依据。本申请实施例中，实现了将图像识别技术、人工智能、边缘计算综合应用到泥石流早期监测，能够满足对泥石流的早期识别与勘测的需要。
下面对上述步骤进行详细介绍。
在一些实施例中，在步骤S110之前，如图2所示，该方法还可以包括以下步骤：
步骤a)，通过图像采集仪按照预设定时采集泥石流沟内图像数据；
步骤b)，通过传输系统利用双模传输方式向图像识别系统传输泥石流沟内图像数据，以获取泥石流沟内图像数据。
其中，利用双模传输方式包含根据现场通信信号自动判别通过4G物联网进行传输或通过卫星导航系统进行传输。
示例性的，采集的图片信息（初始图像数据以及实时图像数据）可以通过自动传输系统上传到泥石流早期识别平台软件，传输系统采用双模传输方式，根据现场通信信号来自动判别是通过4G物联网还是通过北斗传输，以提高图片信息的传输效率。
本申请实施例中，将图像识别技术、人工智能、边缘计算及北斗传输技术综合应用到泥石流早期监测，可以满足对泥石流的早期识别与勘测的需要。
在一些实施例中，上述步骤S130可以包括如下步骤：
步骤c)，基于实时图像数据提取泥石流沟内的泥石流物源的实时特征值；
步骤d)，将实时特征值与概化模型中初始图像数据的初始特征值进行对比，得到对比结果；
步骤e)，根据对比结果判断泥石流物源属于新增加物源或已有物源；
步骤f)，如果泥石流物源属于新增加物源则建立值为1的第一变量；
步骤g)，如果泥石流物源属于已有物源则建立值为0的第一变量；
步骤h)，将第一变量作为判别泥石流物源启动所导致变化的一个因子X。
作为一种可能的实施方式，可以先对上传的图片信息（实时图像数据）进行预处理和建模，通过提取实时图像数据中泥石流沟内物源特征，形成块石、树木等方面的特征值，然后将该特征值与背景图片对比，进而判断这些块石和树木是新增加的还是已有的，建立0和1这两个变量：0为已有的，不做变化处理；1为新增的，作为判别泥石流物源启动引起的变化的一个因子X。
本申请实施例中，通过上述步骤能够使得到的泥石流沟内的泥石流物源的实时特征值的数据更加准确且精确。
在一些实施例中，上述步骤S140可以包括如下步骤：
步骤i)，基于实时图像数据中的流体颜色确定泥石流沟内泥石流流体的实时浑浊度；
步骤j)，基于概化模型中初始图像数据的流体颜色确定泥石流沟内泥石流流体的原始浑浊度；
步骤k)，将实时浑浊度与原始浑浊度进行对比，得到实时浑浊度与原始浑浊度之间的浊度增加值；
步骤l)，如果浊度增加值大于预设浊度值，则确定泥石流流体已变浑浊，并建立值为1的第二变量；
步骤m)，如果浊度增加值小于或等于预设浊度值，则确定泥石流流体未变浑浊，并建立值为0的第二变量；
步骤n)，将第二变量作为判别泥石流流体启动所导致变化的一个因子Y。
作为一种可选的实施方式，将采集的图片信息（实时图像数据）与背景图片（初始图像数据）进行浊度筛选和优化处理，通过浊度来对比泥石流流体的变化，同样建立0和1这两个变量：如果识别不变浑浊为0，说明泥石流流体没有变化；如果识别变结果为1，说明泥石流流体变浑浊，作为泥石流启动判别的另外一个因子Y。
本申请实施例中，通过上述步骤能够使得到的泥石流物源在启动时导致的表示浑浊程度的流体颜色变化特征的数据更加准确且精确。
在一些实施例中，上述步骤S150可以包括如下步骤：
步骤o)，如果因子X和因子Y的因子结果均为1，则确定泥石流物源已启动；
步骤p)，如果因子X和因子Y的因子结果均为0，则确定泥石流物源未启动；
步骤q)，如果因子X和因子Y的因子结果中的任意一项为1，则将因子结果发送至终端，以通过人工判断泥石流物源是否启动。
作为一种可选的实施方式，在泥石流物源启动模式综合判别过程中，如果X、Y两个因子结果同时为1，则可以判别泥石流物源为启动；如果其中一项为1，则人工判断。
本申请实施例中，通过对因子X和因子Y的分析，能够使得到的泥石流物源是否已启动的判断结果更加准确，避免识别结果错误。
在一些实施例中，在步骤S150之后，该方法还可以包括以下步骤：
步骤r)，将泥石流物源启动的综合识别结果进行监测预警信息的上报处理，以将综合识别结果作为决策依据。
作为一种可能的实施方式，对于判断的泥石流物源启动的结果，进行监测预警信息的上报处理，进而实现了供管理部门作为决策依据使用，为泥石流灾害决策提供有效、准确且有力的依据。
图3提供了一种泥石流物源启动的识别装置的结构示意图。如图3所示，泥石流物源启动的识别装置300包括：
获取模块301，用于获取泥石流沟内的初始图像数据以及实时图像数据；
建立模块302，用于基于所述初始图像数据建立泥石流沟原始的概化模型；
第一识别模块303，用于基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征；
第二识别模块304，用于基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征；
分析模块305，用于对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。
在一些实施例中，该装置还包括：
采集模块，用于通过图像采集仪按照预设定时采集泥石流沟内图像数据；
传输模块，用于通过传输系统利用双模传输方式向图像识别系统传输所述泥石流沟内图像数据，以获取所述泥石流沟内图像数据；其中，所述利用双模传输方式包含根据现场通信信号自动判别通过4G物联网进行传输或通过卫星导航系统进行传输。
在一些实施例中，第一识别模块具体用于：
基于所述实时图像数据提取所述泥石流沟内的泥石流物源的实时特征值；
将所述实时特征值与所述概化模型中所述初始图像数据的初始特征值进行对比，得到对比结果；
根据所述对比结果判断所述泥石流物源属于新增加物源或已有物源；
如果所述泥石流物源属于所述新增加物源则建立值为1的第一变量；
如果所述泥石流物源属于所述已有物源则建立值为0的第一变量；
将所述第一变量作为判别所述泥石流物源启动所导致变化的一个因子X。
在一些实施例中，第二识别模块具体用于：
基于所述实时图像数据中的流体颜色确定所述泥石流沟内泥石流流体的实时浑浊度；
基于所述概化模型中所述初始图像数据的流体颜色确定所述泥石流沟内泥石流流体的原始浑浊度；
将所述实时浑浊度与所述原始浑浊度进行对比，得到所述实时浑浊度与所述原始浑浊度之间的浊度增加值；
如果所述浊度增加值大于预设浊度值，则确定所述泥石流流体已变浑浊，并建立值为1的第二变量；
如果所述浊度增加值小于或等于所述预设浊度值，则确定所述泥石流流体未变浑浊，并建立值为0的第二变量；
将所述第二变量作为判别所述泥石流流体启动所导致变化的一个因子Y。
在一些实施例中，分析模块具体用于：
如果所述因子X和所述因子Y的因子结果均为1，则确定所述泥石流物源已启动；
如果所述因子X和所述因子Y的因子结果均为0，则确定所述泥石流物源未启动；
如果所述因子X和所述因子Y的因子结果中的任意一项为1，则将所述因子结果发送至终端，以通过人工判断所述泥石流物源是否启动。
在一些实施例中，该装置还包括：
上报模块，用于将所述泥石流物源启动的综合识别结果进行监测预警信息的上报处理，以将所述综合识别结果作为决策依据。
在一些实施例中，所述泥石流物源包括下述任意一项或多项：
所述泥石流沟内的块石、树木、生物。
本申请实施例提供的泥石流物源启动的识别装置，与上述实施例提供的泥石流物源启动的识别方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本申请实施例提供的一种电子设备，如图4所示，电子设备400包括处理器402、存储器401，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例提供的方法的步骤。
参见图4，电子设备还包括：总线403和通信接口404，处理器402、通信接口404和存储器401通过总线403连接；处理器402用于执行存储器401中存储的可执行模块，例如计算机程序。
其中，存储器401可能包含高速随机存取存储器（Random Access Memory，简称RAM），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。通过至少一个通信接口404（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线403可以是ISA总线、PCI总线或EISA总线等。所述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4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器401用于存储程序，所述处理器402在接收到执行指令后，执行所述程序，前述本申请任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器402中，或者由处理器402实现。
处理器402可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器402中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器402可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器402读取存储器401中的信息，结合其硬件完成上述方法的步骤。
对应于上述泥石流物源启动的识别方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述泥石流物源启动的识别方法的步骤。
本申请实施例所提供的泥石流物源启动的识别装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
再例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，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单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述泥石流物源启动的识别方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，简称ROM）、随机存取存储器（Random Access Memory，简称RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种泥石流物源启动的识别方法，其特征在于，所述方法包括：
获取泥石流沟内的初始图像数据以及实时图像数据；
基于所述初始图像数据建立泥石流沟原始的概化模型；
基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征；
基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征；
对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。
2.根据权利要求1所述的方法，其特征在于，在获取泥石流沟内的初始图像数据的步骤之前，还包括：
通过图像采集仪按照预设定时采集泥石流沟内图像数据；
通过传输系统利用双模传输方式向图像识别系统传输所述泥石流沟内图像数据，以获取所述泥石流沟内图像数据；其中，所述利用双模传输方式包含根据现场通信信号自动判别通过4G物联网进行传输或通过卫星导航系统进行传输。
3.根据权利要求1所述的方法，其特征在于，所述基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征的步骤，包括：
基于所述实时图像数据提取所述泥石流沟内的泥石流物源的实时特征值；
将所述实时特征值与所述概化模型中所述初始图像数据的初始特征值进行对比，得到对比结果；
根据所述对比结果判断所述泥石流物源属于新增加物源或已有物源；
如果所述泥石流物源属于所述新增加物源则建立值为1的第一变量；
如果所述泥石流物源属于所述已有物源则建立值为0的第一变量；
将所述第一变量作为判别所述泥石流物源启动所导致变化的一个因子X。
4.根据权利要求3所述的方法，其特征在于，所述基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征的步骤，包括：
基于所述实时图像数据中的流体颜色确定所述泥石流沟内泥石流流体的实时浑浊度；
基于所述概化模型中所述初始图像数据的流体颜色确定所述泥石流沟内泥石流流体的原始浑浊度；
将所述实时浑浊度与所述原始浑浊度进行对比，得到所述实时浑浊度与所述原始浑浊度之间的浊度增加值；
如果所述浊度增加值大于预设浊度值，则确定所述泥石流流体已变浑浊，并建立值为1的第二变量；
如果所述浊度增加值小于或等于所述预设浊度值，则确定所述泥石流流体未变浑浊，并建立值为0的第二变量；
将所述第二变量作为判别所述泥石流流体启动所导致变化的一个因子Y。
5.根据权利要求4所述的方法，其特征在于，所述对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果的步骤，包括：
如果所述因子X和所述因子Y的因子结果均为1，则确定所述泥石流物源已启动；
如果所述因子X和所述因子Y的因子结果均为0，则确定所述泥石流物源未启动；
如果所述因子X和所述因子Y的因子结果中的任意一项为1，则将所述因子结果发送至终端，以通过人工判断所述泥石流物源是否启动。
6.根据权利要求1所述的方法，其特征在于，在所述对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果的步骤之后，包括：
将所述泥石流物源启动的综合识别结果进行监测预警信息的上报处理，以将所述综合识别结果作为决策依据。
7.根据权利要求1所述的方法，其特征在于，所述泥石流物源包括下述任意一项或多项：
所述泥石流沟内的块石、树木、生物。
8.一种泥石流物源启动的识别装置，其特征在于，包括：
获取模块，用于获取泥石流沟内的初始图像数据以及实时图像数据；
建立模块，用于基于所述初始图像数据建立泥石流沟原始的概化模型；
第一识别模块，用于基于所述实时图像数据通过所述概化模型识别所述泥石流沟内的泥石流物源在启动时的动态变化特征；
第二识别模块，用于基于所述实时图像数据通过所述概化模型识别所述泥石流物源在启动时导致的流体颜色变化特征；
分析模块，用于对所述动态变化特征和所述流体颜色变化特征进行耦合分析，得到泥石流物源启动的综合识别结果。
9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一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存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199689.9A CN117809260B (zh) | 2024-02-23 | 2024-02-23 | 泥石流物源启动的识别方法、装置以及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199689.9A CN117809260B (zh) | 2024-02-23 | 2024-02-23 | 泥石流物源启动的识别方法、装置以及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117809260A true CN117809260A (zh) | 2024-04-02 |
| CN117809260B CN117809260B (zh) | 2024-05-14 |
Family
ID=90425735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410199689.9A Active CN117809260B (zh) | 2024-02-23 | 2024-02-23 | 泥石流物源启动的识别方法、装置以及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117809260B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050234646A1 (en) * | 2004-03-31 | 2005-10-20 | Philip Watts | Tsunami hazard assessment system |
| CN1996054A (zh) * | 2006-11-23 | 2007-07-11 | 浙江工业大学 | 基于全方位视觉的泥石流预警预报装置 |
| CN203070492U (zh) * | 2013-02-25 | 2013-07-17 | 四川派力工程建设有限公司 | 基于视频检测的泥石流实时监测预警系统 |
| CN110334482A (zh) * | 2019-05-25 | 2019-10-15 | 成都理工大学 | 基于物源活动强度的震后泥石流动态敏感性评价方法 |
| CN110880229A (zh) * | 2019-12-02 | 2020-03-13 | 北京深测科技有限公司 | 一种地质灾害监测预警方法和系统 |
| CN112419674A (zh) * | 2020-10-26 | 2021-02-26 | 四川大学 | 一种泥石流地质灾害的监测系统及方法 |
| CN113077609A (zh) * | 2021-03-08 | 2021-07-06 | 黑河学院 | 一种基于大数据的自然灾害预警系统及方法 |
| CN114419848A (zh) * | 2021-12-31 | 2022-04-29 | 河北省地矿局第一地质大队 | 基于分布式物联网的泥石流预警系统 |
| CN115272874A (zh) * | 2022-09-28 | 2022-11-01 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于遥感影像的泥石流灾害识别及频率计算方法 |
| CN116246084A (zh) * | 2023-02-15 | 2023-06-09 | 福建汇川物联网技术科技股份有限公司 | 一种边坡的监测方法、装置、电子设备及存储介质 |
| CN116310901A (zh) * | 2023-03-08 | 2023-06-23 | 四川省地质矿产勘查开发局成都水文地质工程地质中心 | 一种基于低空遥感的泥石流物源动态运移识别方法 |
-
2024
- 2024-02-23 CN CN202410199689.9A patent/CN117809260B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050234646A1 (en) * | 2004-03-31 | 2005-10-20 | Philip Watts | Tsunami hazard assessment system |
| CN1996054A (zh) * | 2006-11-23 | 2007-07-11 | 浙江工业大学 | 基于全方位视觉的泥石流预警预报装置 |
| CN203070492U (zh) * | 2013-02-25 | 2013-07-17 | 四川派力工程建设有限公司 | 基于视频检测的泥石流实时监测预警系统 |
| CN110334482A (zh) * | 2019-05-25 | 2019-10-15 | 成都理工大学 | 基于物源活动强度的震后泥石流动态敏感性评价方法 |
| CN110880229A (zh) * | 2019-12-02 | 2020-03-13 | 北京深测科技有限公司 | 一种地质灾害监测预警方法和系统 |
| CN112419674A (zh) * | 2020-10-26 | 2021-02-26 | 四川大学 | 一种泥石流地质灾害的监测系统及方法 |
| CN113077609A (zh) * | 2021-03-08 | 2021-07-06 | 黑河学院 | 一种基于大数据的自然灾害预警系统及方法 |
| CN114419848A (zh) * | 2021-12-31 | 2022-04-29 | 河北省地矿局第一地质大队 | 基于分布式物联网的泥石流预警系统 |
| CN115272874A (zh) * | 2022-09-28 | 2022-11-01 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于遥感影像的泥石流灾害识别及频率计算方法 |
| CN116246084A (zh) * | 2023-02-15 | 2023-06-09 | 福建汇川物联网技术科技股份有限公司 | 一种边坡的监测方法、装置、电子设备及存储介质 |
| CN116310901A (zh) * | 2023-03-08 | 2023-06-23 | 四川省地质矿产勘查开发局成都水文地质工程地质中心 | 一种基于低空遥感的泥石流物源动态运移识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李昕娟等: ""西南山地典型流域地震前后泥石流物源遥感精细识别"", 《遥感技术与应用》, vol. 36, no. 3, 30 June 2021 (2021-06-30), pages 638 - 648 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117809260B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sollazzo et al. | Hybrid procedure for automated detection of cracking with 3D pavement data | |
| CN104616303A (zh) | 一种基于紫外图像的水面溢油检测系统和方法 | |
| CN112183395A (zh) | 基于多任务学习神经网络的道路场景识别方法和系统 | |
| CN114494826A (zh) | 一种多水尺水位识别方法、系统、电子设备以及可存储介质 | |
| CN105046882A (zh) | 摔倒检测方法以及装置 | |
| CN117809260B (zh) | 泥石流物源启动的识别方法、装置以及电子设备 | |
| CN106530311A (zh) | 切片图像处理方法及装置 | |
| CN116362782A (zh) | 基于大数据分析的用户兴趣点识别方法及系统 | |
| CN111311573A (zh) | 枝条确定方法、装置及电子设备 | |
| CN114965928A (zh) | 地下水污染智能无线监测方法及系统 | |
| CN116127106A (zh) | 基于区块链的互联网图像大数据智能存储方法与系统 | |
| CN112261139B (zh) | 业务数据采集方法、装置以及电子设备 | |
| CN114580703A (zh) | 基于用地遥感识别时空变化解析的水量预测方法及装置 | |
| CN114491171A (zh) | 基于工业物联网的数据处理方法、系统、介质及电子设备 | |
| CN114445751A (zh) | 视频关键帧图像轮廓特征的提取方法和装置 | |
| CN115760643A (zh) | 一种基于水利监测环境的图像优化方法、装置及电子设备 | |
| CN112231993B (zh) | 基于道克拉斯-普克的河道断面概化方法及装置 | |
| CN117092309B (zh) | 基于大数据的社区供水水质监测方法及系统 | |
| Rusu et al. | A method for image segmentation based on histograms–preliminary results | |
| CN117893204B (zh) | 数据驱动的垃圾回收预测方法、装置及电子设备 | |
| CN115661784B (zh) | 一种面向智慧交通的交通标志图像大数据识别方法与系统 | |
| CN112949526B (zh) | 人脸检测方法和装置 | |
| CN112330666B (zh) | 基于改进孪生网络的图像处理方法及系统及装置及介质 | |
| CN116049341B (zh) | 一种水文数据标准化方法、装置、设备及存储介质 | |
| CN117765254A (zh) | Res-UNet模型数据处理方法、装置以及电子设备 |
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 |