本發明涉及地質災害防治，特別涉及一種基于紅外局部增溫效應的露天邊坡滑坡體識別及預警系統和方法。

背景技術：

1、邊坡滑坡是常見的地質災害之一，嚴重威脅著人類生命財產安全，并對社會經濟活動造成巨大的影響。滑坡的早期識別和預警是防災減災工作的基礎，是有效減少滑坡災害損失的關鍵。然而，傳統的滑坡識別方法往往依賴人工勘查，效率較低且易受工作人員經驗和知識層次的限制。工程現場的情況復雜多變，除了滑坡體本身的增溫現象外，周圍環境中的行人、建筑物、水體和森林等也可能表現出局部增溫現象，這些非滑坡體的增溫干擾常常導致誤判和失真，極大地影響了滑坡體識別的準確性。

2、隨著科技的發展，紅外熱成像技術作為一種非接觸式、實時監測的手段，逐漸應用于滑坡識別研究。通過紅外熱像儀對邊坡區域進行監測，可以在滑坡發生前捕捉到局部增溫的信號，從而為滑坡的早期預警提供重要依據。傳統圖像處理方法在處理大量熱像圖時，雖然可以對滑坡體進行初步識別，但其效率較低，且難以有效解決圖像中的噪聲和干擾問題。尤其是在復雜的自然環境中，滑坡體與其他增溫現象的相似性使得識別結果的準確性和可靠性受到較大影響。

3、露天礦開采過程中，邊坡經常受到應力擾動，這種擾動會導致邊坡的穩定性下降，增加滑坡災害發生的風險，直接威脅礦山的安全生產及工作人員的生命財產安全。因此，開展露天邊坡滑坡體的非接觸式精準識別研究具有重要的現實意義。

技術實現思路

1、本發明針對現有技術的缺陷，提供了一種基于紅外局部增溫效應的露天邊坡滑坡體識別及預警系統和方法。

2、為了實現以上發明目的，本發明采取的技術方案如下：

3、一種基于紅外局部增溫效應的露天邊坡滑坡體識別及預警系統，包括以下模塊：

4、ir采集增溫提取模塊：用于通過衛星遠場監測或無人機近場監測采集邊坡區域的紅外熱像圖，并對采集的原始紅外熱像圖進行信息清洗，以圈定邊坡區域，去除非邊坡區域的干擾信息；

5、ir局部增溫辨識別模塊：用于將處理后的紅外熱像圖輸入紅外局部增溫智能辨識模型，識別熱像圖中的局部增溫區域，所述紅外局部增溫智能辨識模型為基于深度學習的u-net圖像分割網絡；

6、滑坡綜合分析預警模塊：用于根據紅外局部增溫智能辨識模型輸出的局部增溫區域，對滑坡體進行位置和范圍的識別；結合地質和氣象數據進行滑坡風險評估，并發出滑坡預警信號。

7、進一步地，所述ir局部增溫辨識別模塊采用u-net深度學習網絡，所述網絡包括編碼器和解碼器兩部分，采用跳躍連接融合編碼器和解碼器的特征，提升分割精度。

8、進一步地，所述ir采集增溫提取模塊進一步包括：

9、通過紅外熱像儀采集邊坡的紅外熱像圖，且采集的數據包括巖石在滑坡過程中發生的局部增溫現象。

10、對采集的紅外熱像圖進行預處理，去除環境干擾信號，提取邊坡區域進行有效監測。

11、進一步地，所述紅外局部增溫智能辨識模型通過以下步驟訓練得到：

12、通過大理巖和花崗巖在單軸加載破裂過程中的紅外熱像圖數據，獲取具有顯著局部增溫現象的熱像圖；

13、利用數據增強技術對熱像圖進行擴展，生成包含局部增溫區域的分割掩膜圖，作為訓練數據集；

14、采用u-net深度學習網絡進行模型訓練，使用focal?loss損失函數解決正負樣本不平衡問題，采用adam優化器進行訓練，并引入vgg網絡的預訓練權重以提高模型性能。

15、進一步地，所述紅外熱像圖中的局部增溫區域對應滑坡體的活動區域，滑坡體的活動伴隨著土壤摩擦和壓力變化，導致局部溫度升高，局部增溫區域為滑坡體可能發生的區域。

16、進一步地，所述露天邊坡滑坡體識別及預警系統能夠在遠程非接觸式地監測邊坡區域，并通過實時數據處理和分析，提前發出滑坡預警信號。

17、本發明還公開了一種基于紅外局部增溫效應的露天邊坡滑坡體智能識別方法，包括以下步驟：

18、步驟1：通過衛星遠場監測或無人機近場監測采集邊坡區域的紅外熱像圖，并對原始紅外熱像圖進行信息清洗，去除非邊坡區域的干擾信號；

19、步驟2：將清洗后的熱像圖輸入紅外局部增溫智能辨識模型進行局部增溫區域的識別，生成增溫區域分割圖；

20、步驟3：根據識別的局部增溫區域，結合地質和氣象數據，對滑坡體的潛在風險進行分析評估，并發出滑坡預警信號。

21、進一步地，所述紅外局部增溫智能辨識模型的評價標準包括：

22、平均像素準確度：用來評價模型在每個類別上的像素準確度，計算公式如下：

23、

24、平均交并比：用來評價每個類別的交并比，通過計算每個類別的交并比，并進行平均，計算公式如下：

25、

26、其中，tp為正確分類為目標類別的像素數量；tn為正確分類為非目標類別的像素數量；fp為錯誤分類為目標類別的像素數量；fn為錯誤分類為非目標類別的像素數量；i為特定類別；n為類別數。

27、進一步地，所述局部增溫區域對應滑坡體的活動區域，所述活動區域可能預示滑坡的發生。

28、進一步地，所述滑坡預警信號是基于滑坡體活動區域的位置、范圍及風險評估結果發出的。

29、本發明還公開了一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現上述露天邊坡滑坡體智能識別方法。

30、本發明還公開了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現上述露天邊坡滑坡體智能識別方法。

31、與現有技術相比，本發明的優點在于：

32、1.本發明基于紅外局部增溫智能辨識模型，結合深度學習技術(如u-net網絡、vgg網絡和adam算法)，能夠實現對露天邊坡滑坡體的高精度識別。實驗結果表明，本發明在識別精度上取得了較為優異的效果，mpa值達到94.37％，miou值達到89.21％，有效提升了滑坡體的識別能力。

33、2.通過紅外熱像儀對邊坡進行非接觸式監測，避免了傳統監測方法中人工接觸帶來的安全風險，同時能夠實現對大范圍區域的實時監測，特別適用于復雜和危險的露天礦區邊坡的監測。

34、3.本發明通過建立滑坡體智能識別及滑坡預警系統，能夠實現對滑坡體活動區域的精確識別，并結合地質、氣象等數據進行綜合分析與風險評估，及時發出滑坡預警信號，為滑坡災害的預防和應急響應提供有力支持。

35、4.與傳統的人工分析方法相比，本發明通過自動化的圖像處理和智能模型，顯著提高了滑坡體識別的效率和準確性，減少了人為因素對判斷結果的影響，能夠在更短的時間內處理大量的紅外熱像數據。

36、5.本發明能夠有效應對復雜的工程現場情況，尤其是在滑坡體的增溫現象與其他非滑坡體增溫現象(如行人、建筑、水體、森林等)共存的環境下，憑借智能辨識系統的高效性，能夠有效過濾干擾信息，減少誤判和失真。

37、6.通過對露天礦邊坡的實時監測與預警，本發明能夠有效預防滑坡災害的發生，保障礦山的安全生產，并保護礦區工作人員的生命財產安全，具有重要的實際應用意義。