在自然灾害频发的今天,堤防作为抵御洪水侵袭的重要屏障,其安全性能至关重要。然而,传统的人工巡检方式不仅效率低、风险高,而且在面对复杂环境时往往力不从心,尤其是在植被茂密、地形复杂的区域,渗漏、管涌等险情隐患如同潜伏的“水怪”难以捉摸,导致溃堤风险。现有地球物理探测技术虽有一定效果,但对复杂自然场景下的适用性仍面临挑战。
然而,这一切正在悄然改变。近日,中国科学院西北生态环境资源研究院甘肃省灾害防治智能装备及大数据行业技术中心提出了一种基于无人机热红外成像与深度学习的堤防险情隐患高效检测方法,实现了从传统人工巡检到智能无人机巡检的跨越,并成功应用实时边缘计算技术,为防洪减灾提供了智能化巡检的创新技术方案。相关论文发表于《水资源研究》。
团队野外试验合影。西北生态环境资源研究院供图。
?
无人机+AI:堤防巡检的“火眼金睛”
堤防巡检是一项与时间赛跑的任务。每年夏季,洪水来势汹汹,巡检人员需要在短时间内完成大范围的堤防检查。2021年,应急管理部、工业和信息化部以及科学技术部三大部委根据国家需要联合发布了揭榜攻关项目,堤防险情检测正是其中之一。
西北生态环境资源研究院正高级工程师罗立辉回忆道:“那时我们意识到,必须找到一种更高效、更精准的巡检方式。”于是,团队将目光投向了无人机与人工智能技术的结合。无人机如同长了翅膀的“侦探”,能够轻松飞越复杂地形,而人工智能技术则赋予了它“慧眼”,能够智能识别并分析地面情景。
针对堤防渗漏、管涌灾害的隐蔽性和随机性,研究团队提出了“空-天-地”协同的智能巡检体系。这一体系不仅涵盖了低空中的无人机巡检,未来还计划结合卫星、机器狗、无人船及水下传感器等多源数据,实现全方位的智能巡检。
为了构建这一智能巡检体系,团队进行了大量的模拟实验,收集了涵盖晴雨昼夜、不同植被覆盖及地形场景的5995张热红外图像,构建了堤防渗漏数据集。罗立辉表示:“这一数据集为后续的深度学习模型训练提供了宝贵的数据支持。”
无人机挂载热红外传感器,能够捕捉物体因温度差异发出的红外辐射,并将其转化为可视化图像。这一技术不仅能穿透植被覆盖,发现堤防内部的温度异常区域,还能通过对比不同时间和天气条件下的热红外图像,分析堤防的稳定性变化。
“热红外成像技术就像给无人机装上了一双‘火眼金睛’,能够发现人眼看不到的隐患。”罗立辉解释道,“而人工智能则是这双眼睛背后的‘大脑’,能够智能分析图像,精准识别险情。”
无人机+AI野外试验。西北生态环境资源研究院供图。
?
AI赋能:搭建智能数据库与实时识别
然而,仅仅依靠无人机拍摄图像并进行后期分析,仍然无法满足防洪减灾的实时性需求。为此,研究团队引入了边缘计算技术,将GPU计算模块直接搭载在无人机上,实现了对堤防险情隐患的即时识别与响应。
“边缘计算技术的核心在于实时性。”罗立辉解释道,“无人机在飞行中捕获的图像和视频数据,能够被迅速传递至搭载边缘计算功能的小型设备中进行实时处理,减少了数据传输的延迟,显著提升了应急响应速度。”
经过人工智能的训练,模型能够识别温度异常区域的形状、大小和分布,实现对潜在险情隐患的快速准确检测。平均检测精度达到了97.7%,单张图像处理仅需0.015秒。这意味着无人机在飞行过程中可以实时地捕捉到渗漏区域,为后续的应急响应提供了宝贵的时间窗口。
“在团队的持续探索与不懈努力下,我们成功将无人机技术、热红外传感器与边缘计算创新性地融合在一起。”罗立辉说道,“这一过程并非灵感乍现的产物,而是建立在无数次试验、不断遭遇失败、再坚持不懈地重新试验的基础之上。”
无人机集成边缘计算套件实时智能巡检。西北生态环境资源研究院供图。
?
AI技术:防洪减灾的“智慧大脑”
从“人巡”到“机巡”,罗立辉和他的博士生陈白丽和段群滔通过无人机与AI技术的结合,为防洪减灾工作带来了革命性的变革。这一智能巡检体系具有全天候适应性、高效实时性、场景普适性等突出优势。
目前,相关技术已在长江流域、淮河流域及鄱阳湖区域成功实施了试点应用,并积极参与了2024年应急安全装备区域行的实战演练活动。应急管理部随后组织的验收工作中,团队收获了诸多积极反馈,成效显著。
“我们在长江中下游的部分堤防段进行了试点应用,效果非常好。”罗立辉自豪地说道,“无人机能够在几分钟内完成大范围巡检,AI模型能够精准识别隐患,边缘计算技术则实现了实时预警,大幅提升了应急响应速度。”
此外,该智能巡检体系还具有广泛的适用性。研究团队在长江、淮河、鄱阳湖等不同地质条件的堤防段进行了实验验证,结果均表现出优异的性能。这意味着该体系可以在全国范围内进行大范围推广和应用,为堤防的安全运行提供有力保障。
“AI技术不仅在堤防裂缝、动物洞穴等检测方面展现出色,更具备在铁路、公路、电力设施、输油管线、大坝等众多行业广泛应用的巨大潜力。”罗立辉说道,“我们希望通过这项技术,为更多的行业带来智能化变革。”
相关论文信息:https://doi.org/10.1029/2024WR038931
版权声明:凡本网注明“来源:中国科学报、科学网、科学新闻杂志”的所有作品,网站转载,请在正文上方注明来源和作者,且不得对内容作实质性改动;微信公众号、头条号等新媒体平台,转载请联系授权。邮箱:shouquan@stimes.cn。