公开(公告)号：CN114241310B

公开(公告)日：2022-09-02

申请号：CN202111569461.7

申请日：2021-12-21

Applicant: 江西省水利科学院 ,  东华理工大学

Inventor： 许小华 ,  叶发茂 ,  张秀平 ,  高江林 ,  周信文 ,  黄萍

IPC: G06V20/10 ,  G06V10/762 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLO模型的堤防管涌险情智能识别方法，该方法包括改进和训练YOLO模型流程和基于改进YOLO模型堤防管涌识别的过程。改进和训练YOLO模型流程包括数据采集、制作样本、图像去背景处理和模型改进和训练步骤；基于改进YOLO模型识别的堤防管涌过程包括获取图像、划分窗口、图像处理与堤防管涌识别和输出最终识别结果等步骤。本发明利用单个YOLO模型实现堤防管涌目标特征提取、识别、目标定位等过程，克服人工特征提取的不足深层次挖掘数据所含信息；修改了原始YOLO模型，提升到小目标识别能力和速度，利用针对性的图像背景方法，分离大部分图像的背景，减少图像背景的干扰，提高堤防管涌识别精度。

公开(公告)号：CN113139528B

公开(公告)日：2021-09-07

申请号：CN202110682705.6

申请日：2021-06-21

Applicant: 江西省水利科学院 ,  东华理工大学

Inventor： 许小华 ,  叶发茂 ,  张秀平 ,  黄萍 ,  高江林 ,  周信文

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于Faster_RCNN的热红外图像堤坝险情检测方法，使用图像收集模块用于采集堤防无人机巡检取得的图像数据；使用特征提取模块将图像数据进行基本的分类和筛选，剔除无效热红外图像；利用图像处理模块对于热红外图像进行识别和标注，确定训练集与测试集；构建Faster_RCNN模型进行训练；目标检测识别模块利用训练好的Faster_RCNN模型对堤坝中的险情区域进行检测，并判断是否有险情以及确定险情的具体位置、大小及置信度。本发明修改基本Faster_RCNN模型，增强水体的颜色信息的作用，减少池化层，提升小目标检测性能。本发明相对于传统的Faster_RCNN目标检测网络，识别效率和准确率都更突出；检测速度快，能够满足无人机巡检堤坝的应用需求。

公开(公告)号：CN118461533A

公开(公告)日：2024-08-09

申请号：CN202410351150.0

申请日：2024-03-26

Applicant: 东华理工大学

Inventor： 朱丽萍 ,  冀皓 ,  彭振峰 ,  易进翔 ,  王经运 ,  张京伍 ,  侯龙清 ,  高江林 ,  李明东

IPC: E02B3/16 ,  E02B3/12 ,  H04Q9/00 ,  G01S19/14 ,  G01M3/04 ,  G01M3/26

Abstract: 本发明涉及堤坝抢险技术领域，具体涉及一种用于洪水期堤坝抢险的堵漏装置及使用方法。该堵漏装置的中心骨架的边沿上设置有用于安装裙边结构的第一卡槽。中心骨架的中心处设置有用于埋入定位器的安装孔。定位器嵌入在安装孔内，通过卫星定位确定中心骨架所处的位置信息，并将位置信息传送至接收器。流速仪安装在中心骨架的底部，用于测量安装点位处的水流流速。中控平台根据各个流速仪采集的水流流速，推算渗漏处的位置，同时引导操作人员控制中心骨架向着渗漏处的方向移动，在根据水流流速的变化实时修正中心骨架的移动方向，直至引导中心骨架到达渗漏处。该用于洪水期堤坝抢险的堵漏装置提高了堵漏成功率，提升了封堵效果。

公开(公告)号：CN114241310A

公开(公告)日：2022-03-25

申请号：CN202111569461.7

申请日：2021-12-21

Applicant: 江西省水利科学院 ,  东华理工大学

Inventor： 许小华 ,  叶发茂 ,  张秀平 ,  高江林 ,  周信文 ,  黄萍

IPC: G06V20/10 ,  G06V10/762 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLO模型的堤防管涌险情智能识别方法，该方法包括改进和训练YOLO模型流程和基于改进YOLO模型堤防管涌识别的过程。改进和训练YOLO模型流程包括数据采集、制作样本、图像去背景处理和模型改进和训练步骤；基于改进YOLO模型识别的堤防管涌过程包括获取图像、划分窗口、图像处理与堤防管涌识别和输出最终识别结果等步骤。本发明利用单个YOLO模型实现堤防管涌目标特征提取、识别、目标定位等过程，克服人工特征提取的不足深层次挖掘数据所含信息；修改了原始YOLO模型，提升到小目标识别能力和速度，利用针对性的图像背景方法，分离大部分图像的背景，减少图像背景的干扰，提高堤防管涌识别精度。

公开(公告)号：CN113139528A

公开(公告)日：2021-07-20

申请号：CN202110682705.6

申请日：2021-06-21

Applicant: 江西省水利科学院 ,  东华理工大学

Inventor： 许小华 ,  叶发茂 ,  张秀平 ,  黄萍 ,  高江林 ,  周信文

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于Faster_RCNN的热红外图像堤坝险情检测方法，使用图像收集模块用于采集堤防无人机巡检取得的图像数据；使用特征提取模块将图像数据进行基本的分类和筛选，剔除无效热红外图像；利用图像处理模块对于热红外图像进行识别和标注，确定训练集与测试集；构建Faster_RCNN模型进行训练；目标检测识别模块利用训练好的Faster_RCNN模型对堤坝中的险情区域进行检测，并判断是否有险情以及确定险情的具体位置、大小及置信度。本发明修改基本Faster_RCNN模型，增强水体的颜色信息的作用，减少池化层，提升小目标检测性能。本发明相对于传统的Faster_RCNN目标检测网络，识别效率和准确率都更突出；检测速度快，能够满足无人机巡检堤坝的应用需求。