[发明专利]一种基于卷积支持向量神经网络的滑坡分级系统及方法

说明书

本发明提供了一种基于卷积支持向量神经网络的滑坡分级系统及方法，属于路基工程领域。一种基于卷积支持向量神经网络的滑坡分级系统，包括用于存放所采集图像的图像存放模块，用于获取图像数据的图像获取模块，对图像进行滑坡分类判别的图像处理模块，所述图像处理模块包括用于鉴别图像是否存在滑坡的图像判别单元以及用于对图像进行滑坡分级的图像分类单元。通过收集图像，并且对图像进行分析来判断滑坡分级，节省人力，效率高，没有安全风险。

技术领域

本发明涉及路基工程领域，主要涉及一种基于卷积支持向量神经网络的滑坡分级系统及方法。

背景技术

过去公路因为等级低、线形差、路基不宽、开挖不深,边坡稳定性对安全的影响不显著,人们对边坡稳定性没有引起足够的重视.但是,随着国民经济建设的发展,交通事业日新月异,等级越来越高,高填深挖已经不可避免.在复杂地形条件下修建高等级公路的情况日益增多,且国内外已有许多大型滑坡的事例，滑坡不仅影响行车安全,甚至掩埋、中断交通,迫使放弃已建成的使用,造成不可估量的经济损失,研究滑坡成因与防治,已迫在眉睫。

在现有技术中，通常的滑坡分级需要人工至现场测量滑坡土量，即滑坡分级；现有的方法通常耗费人力、设备与时间等资源并会带来工程人员的安全风险，故这类以人力在工址进行滑坡分级的方法所起的作用是有限的。

发明内容

本发明的目的是提供一种基于卷积支持向量神经网络的滑坡分级方法，通过收集图像，并且对图像进行分析来判断滑坡分级，节省人力，效率高，没有安全风险。

本发明上述技术目的是通过以下技术方案实现的，一种基于卷积支持向量神经网络的滑坡分级系统，包括用于存放所采集图像的图像存放模块，用于获取图像数据的图像获取模块，对图像进行滑坡分类判别的图像处理模块，所述图像处理模块包括用于鉴别图像是否存在滑坡的图像判别单元以及用于对图像进行滑坡分级的图像分类单元。

作为本发明的优选，所述图像判别单元与所述图像分类单元同时对图像进行判别和分类。作为本发明的优选，一种基于卷积支持向量神经网络的滑坡分级方法，包括以下步骤：

步骤S1、收集图像，并根据图像进行是否存在滑坡分级的判别，若存在滑坡分级，则进行人工标注，至步骤S2；

步骤S2、将步骤S1中判别好的图像进行归一化处理，将归一化处理后的图像数据输入卷积支持向量神经网络系统进行分类模型训练；

步骤S3、判别分类模型精确度是否符合要求，若不符合判别要求，卷积支持向量神经网络系统自动调整优化卷积支持向量神经网络节点权重，并返回步骤S1，若符合判别要求，所训练出来的分类模型为最佳分类模型；

步骤S4、获取待检测图像，采用最佳分类模型进行滑坡分级的判别，依据卷积支持向量神经网络系统给出的滑坡等级的机率值，选择最大机率的分级，获得分级成果。

在本技术方案中，将采集到的待检测点图像用最佳分类模型进行滑坡分级判别，主要是将待检测图像放入卷积支持向量神经网络系统中进行计算该待检测图像滑坡分级类型的概率，并选择概率最大的滑坡分级类型作为该待检测图像的滑坡分级类型。具体主要是通过在待检测图像中的目标区域进行釆样，放入神经网络的输入层，进行支持向量层得到每一种标签的概率，即在区间[0，1]中的实值。

作为本发明的优选，根据步骤S2，卷积支持向量神经网络系统在进行分类模型训练时，并进行图像分级的判别。

作为本发明的优选，根据步骤S4，滑坡机率值包括巨型滑坡机率值，大型滑坡机率值，中型滑坡机率值，小型滑坡机率值，所述巨型滑坡机率值，所述大型滑坡机率值，所述中型滑坡机率值，所述小型滑坡机率值之和为1。