省部级：直接基于VR的固城湖数字孪生系统应用研究

技术转让、技术开发、技术入股

正在申请 ,其中:发明专利 1 项
已授权专利,其中:发明专利 0 项

                                                

传统的堤坝灾害点巡检方法是依靠人工巡检，但人工巡检效率低下，成本较高，还容易受到人为主观因素的影响，造成误检漏检，在江苏省水利厅的领导下,我们先后采用了无人机、固定摄像机、智能移动小车来从空中、地面、地面移动相结合，三位一体式地采集堤坝图像，较好规避了堤坝上有树遮挡、重点部位不能全天候全时监控的问题，研究了基于双光图像的堤坝安全检测方法，提出了基于改进高斯滤波的堤坝区域图像降噪方法和基于双光图像的堤坝灾害点检测方法，同时提出了基于SVM和BP神经网络的堤坝灾害点分类方法。目前这些检测方法综合检测的有效率达到了93%，正确率达到了95%，当然由于堤坝灾害点的样本十分稀少，目前采用的主要是数字图像处理技术，从面向未来发展来看，可以采用AI大模型来研发，但采用AI模型训练采用的数据集样本相对较少，会导致模型出现过拟合的状况，使模型识别的准确率降低。因此需要对数据集的有效增广进行更深一步的研究，合理扩大真实堤坝灾害点数据集的样本数量，由此提高网络模型的准确性和泛化能力。

提出了一种基于改进高斯滤波的堤坝图像降噪方法，通过结合了图像局部区域的空间距离和像素距离来确定参与局部平滑的像素及其权值，同时将图像区域分为噪声区域和特征区域，并通过计算图像局部区域和噪声区域的相似度来确定高斯滤波器的标准差，能够有效的抑制堤坝图像中的噪声，同时能够很好的保留灾害点区域的边缘和细节信息；提出了一种基于双光图像的堤坝灾害点检测方法，将基于改进SegNet网络的可见光图像灾害点检测方法和基于Niblack算法的堤坝红外图像检测方法相结合，得到了基于双光图像的混合检测模型；提出了一种基于SVM和BP神经网络的混合分类模型，首先通过SIFT算法对图像的特征进行提取，然后将SVM作为初步分类模型，BP神经网络作为二级分类模型对堤坝灾害点进行分类。以上算法均通过实验验证，表明是有效可行的。

这些检测方法综合检测的有效率达到了93%，正确率达到了95%