[发明专利]一种水坝坝体异常情况的空基检测方法与装置

权利要求书

1.一种水坝坝体异常情况的空基检测方法，其特征在于，具体步骤如下：

步骤一、无人机搭载高清摄像装置，按特定轨迹、特定高度飞行，对水坝进行巡检，采集指定位置图像；

步骤二、对采集的原始图像进行预处理，通过旋转和翻转，依次对原始图像进行变换，得到新的训练集；

步骤三、对新的训练集图像，使用全卷积网络RPN通过滑动窗口，对各个图像检测并提取特征区域；

具体为：针对某个训练集图像，输入到全卷积网络RPN后，在最后卷积得到的特征图上使用一个小网络进行滑动扫描，这个滑动小网络每次与特征图上3*3的窗口全连接，然后映射到一个低维向量，最后将这个低维向量分别送入到两个全连接层：bbox回归层和bbox分类层从而得到各类特征区域；

步骤四、对提取的每类特征区域，使用卷积神经网络分别训练相应的模型，并通过反卷积操作实现上采样，将每张特征图放大到和原图相同大小的决策图，释放特征信息，得到决策图每个点的置信概率，并与设定好的阈值比较，得出各类特征区域内该点的检测结果是否发生异常以及发生异常的种类；

每个模型设定各自的阈值，当某个决策图中某个点的置信概率大于阈值时，视为该决策图发生异常；异常种类为该决策图对应的特征区域种类；

步骤五、根据检测结果结合梯度下降算法，运用反向传播更新网络参数，通过交叉熵损失函数将决策图每个点的检测结果与该点的真实值进行比较，缩小决策图的检测结果与真实结果的差值；

通过反向传播，计算交叉熵损失函数的梯度以及各层的输出误差，得到权重矩阵W和偏置b的梯度表达式，并用梯度下降法优化W和b，更新特征网络参数，不断优化损失函数的值，使得决策图检测结果与真实结果相差越来越小。

2.如权利要求1所述的一种水坝坝体异常情况的空基检测方法，其特征在于，所述的步骤二具体为：

首先，对所有原始图像进行尺度归一化处理，保证每个作为训练样本的图像尺度相同；

然后，对尺度相同的训练样本分别进行旋转变换；

设定逆时针旋转角度为θ，旋转前某个训练样本上的某点A坐标为(x₀,y₀)，旋转后该点A的坐标为(x₁,y₁)，则有

x₁＝x₀cosθ-y₀sinθ

y₁＝x₀sinθ+y₀cosθ

最后，对旋转变换后的各个训练样本进行随机翻转处理，构成新的训练集。

3.如权利要求1所述的一种水坝坝体异常情况的空基检测方法，其特征在于，所述的特征区域包括：水坝迎水面为一类，防浪墙为一类，坝顶为一类，背水坡坝面、坝脚为一类，迎水面大坝附近水面为一类。

4.如权利要求1所述的一种水坝坝体异常情况的空基检测方法，其特征在于，所述的步骤四中具体检测内容包括：对迎水面大坝附近是否有旋涡进行检测，对迎水面护坡块石是否有移动、凹陷或突鼓进行检测，对防浪墙、坝顶是否有裂缝进行检测，对坝顶是否有塌坑进行检测，对背水坡坝面、坝脚及镇压层范围内是否出现渗漏突鼓现象进行检测，对大坝附近及溢洪道两侧山体岩石是否错动或出现新裂缝进行检测。

5.如权利要求1所述的一种水坝坝体异常情况的空基检测方法，其特征在于，步骤五中所述的交叉熵损失函数的计算方法如下：

设输入为x_i，则对应神经网络的输出为a_i，交叉熵损失函数C如下所示：

n为训练数据的总数，求和是在所有训练输入x上进行的，y_i为i点真实的label，a_i为判决图中i点对应的置信概率。

6.应用于权利要求1所述的一种水坝坝体异常情况的空基检测方法的检测装置，其特征在于，具体包括：

无人机搭载高清摄像装置、避障器、角度传感器、速度传感器，高度传感器以及GPS定位设备，按固定航线固定高度飞行，及时调整无人机飞行高度和无人机避障，高清摄像装置拍摄水坝各个位置，得到高清图像进行存储。