一种边坡智能监测预警系统

loss策略对所述边坡图像中包含图像特征的框架以及将图像特征作为目标的框架进行相似性衡量，并基于权重系数进行一致性衡量，构建所述边坡预警模型。
15.可选地，所述边坡灾害分析子系统判断所述边坡图像上是否存在图像特征，若存在，则直接将所述边坡图像输入所述卷积神经网络进行训练，若不存在图像特征，则对所述边坡图像进行反向传播改变图像信息，获取修正图像，并对自身进行对抗式攻击实现对卷积神经网络的增强；增强后的卷积神经网络对所述修正图像进行目标检测，进行卷积神经网络训练。
16.可选地，所述边坡灾害分析子系统将解调完成后的测量波形与包含图像特征的边坡图像输入所述边坡预警模型，通过训练完成后的卷积神经网络获取所述测量波形与对应位置图像特征的相关性，通过所述预测网络获取表征不同边坡灾害发生的特征参数，结合数据相关性、特征参数以及所述边坡图像进行预测，获取包含灾害发生概率的分析结果。
17.可选地，所述数据存储库采用微服务集群的架构方式进行服务拆分和部署，并采用大数据技术以及大数据算法进行历史数据、实时数据的存储、加工和计算，同时分别按照数据分析时间、分析结果对存储数据进行排序整理。
18.可选地，所述预警设置子系统根据所述边坡预警模型的风险分析结果设置预警权重，根据所述预警权重对边坡数据中的振动信号、水分数据、应力数据设定预警阈值。
19.可选地，所述预警子系统根据所述预警阈值进行不同形式的预警提示，包括信号灯提示、音频播报，所述预警子系统的预警类型包括降雨预警、滑坡预警、崩塌预警、裂缝预警。
20.本发明的技术效果为：
21.本发明采用传感器进行数据采集，采用相位反射仪进行数据处理，采用卷积神经网络、预测网络，根据数据与图像的相关性进行数据分析，较于传统的人为判断方法更具准确性，通过大数据技术进行数据存储与整理，保证数据提取的高效性，最后根据分析结果进行动态与分级预警设置，在提高系统效率的同时避免误报。
附图说明
22.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
23.图1为本发明实施例中的边坡智能监测预警系统结构示意图；
24.图2为本发明实施例中的边坡智能监测预警系统监测类型示意图；
25.图3为本发明实施例中的边坡智能监测预警系统工作原理示意图。
具体实施方式
26.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
27.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
28.实施例一
29.如图1-3所示，本实施例中提供一种边坡智能监测预警系统，包括边坡数据采集子系统、数据处理子系统、边坡灾害分析子系统、数据存储库、预警设定子系统、预警子系统；具体地：
30.边坡数据采集子系统包括布设在边坡表面以及内部的温度传感器、振动传感器、压力传感器以及摄像装置，通过所述摄像装置对边坡进行实时拍摄，获取边坡图像；其中，边坡数据包括边坡表面以及边坡内部的振动信号、应力数据、应变数据、水分数据、温度数据以及地震波数据，分别通过上述传感器进行对应采集。
31.数据处理子系统包括一个相位反射仪，通过所述相位反射仪对采集的边坡数据进行相位解调，获取测量波形，将测量波形传输至边坡灾害分析子系统进行数据分析，实现边坡数据的预处理；
32.数据采集与处理过程结束后，边坡灾害分析子系统分别对处理后的测试波形以及边坡图像构建训练集与测试集，并采用卷积神经网络、连接网络、预测网络构建滑坡监测框架，基于ciou-loss策略对所述边坡图像中包含图像特征的框架以及将图像特征作为目标的框架进行相似性衡量，并基于权重系数进行一致性衡量，构建边坡预警模型，通过边坡预警模型，根据处理后的边坡数据以及边坡图像进行边坡灾害分析；
33.在所述的滑坡监测框架中，通过卷积神经网络将训练集中包含不同边坡特征的图像进行聚合，获取图像特征。通过连接网络对图像特征进行拼接，并且将卷积神经网络与预测网络相连接，连接网络通过金字塔网络结构实现，在对图像特征进行拼接的过程中，通过金字塔结构对任意尺寸的特征进行固定尺寸池化，对每个池化得到的特征进行拼接，获取固定长度的特征图像，将所述特征图像输入到预测网络中进行训练。最后通过预测网络对拼接完成图像特征进行检测、获取检测边界框和边坡灾害分类。
34.模型构建完成后，边坡灾害分析子系统将解调完成后的测量波形与包含图像特征的边坡图像输入边坡预警模型，通过训练完成后的卷积神经网络获取所述测量波形与对应位置图像特征的相关性，通过所述预测网络获取表征不同边坡灾害发生的特征参数，结合数据相关性、特征参数以及所述边坡图像进行预测，获取包含灾害发生概率的分析结果。
35.作为本技术的一种较佳实施方式，数据存储库用于对每次分析过程的边坡数据与边坡图像以及对应分析结果进行存储；具体地，数据存储库采用微服务集群的架构方式进行服务拆分和部署，并采用大数据技术以及大数据算法进行历史数据、实时数据的存储、加工和计算，同时分别按照数据分析时间、分析结果对存储数据进行排序整理。
36.获取分析结果后，预警设置子系统根据边坡预警模型的风险分析结果设置预警权重，根据所述预警权重对边坡数据中的振动信号、水分数据、应力数据设定预警阈值，根据预警阈值控制预警子系统的预警时刻；
37.当边坡数据中的值达到所述预警阈值时，预警子系统根据预警阈值进行不同形式的预警提示，包括信号灯提示、音频播报，并且预警类型包括降雨预警、滑坡预警、崩塌预警、裂缝预警，信号灯提示的方式包括黄色预警、橙色预警和红色预警，且由黄色至红色分别代表由低数值到高数值的预警阈值。
38.本领域内的技术人员应明白，本发明的实施例可提供为系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存
储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
39.本发明是参照根据本发明实施例的计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
40.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
41.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
42.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种边坡智能监测预警系统，其特征在于，包括边坡数据采集子系统、数据处理子系统、边坡灾害分析子系统、数据存储库、预警设定子系统、预警子系统；所述边坡数据采集子系统用于获取边坡数据与边坡图像；所述数据处理子系统用于对所述边坡数据进行解调处理；所述边坡灾害分析子系统用于构建边坡预警模型，根据处理后的边坡数据以及所述边坡图像进行边坡灾害分析；所述数据存储库用于对每次分析过程的边坡数据与边坡图像以及对应分析结果进行存储；所述预警设定子系统用于根据边坡灾害分析结果设定预警阈值；所述预警子系统用于根据所述预警阈值进行黄色预警、橙色预警和红色预警不同等级的预警提示。2.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述边坡数据采集子系统包括布设在边坡表面以及内部的温度传感器、振动传感器、压力传感器以及摄像装置，所述边坡数据包括边坡表面以及边坡内部的振动信号、应力数据、应变数据、水分数据、温度数据以及地震波数据。3.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述数据处理子系统包括一个相位反射仪，通过所述相位反射仪对所述边坡数据进行相位解调，获取测量波形，将所述测量波形传输至所述边坡灾害分析子系统。4.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述边坡灾害分析子系统分别对处理后的测试波形以及所述边坡图像构建训练集与测试集，采用卷积神经网络、连接网络、预测网络构建滑坡监测框架，基于ciou-loss策略对所述边坡图像中包含图像特征的框架以及将图像特征作为目标的框架进行相似性衡量，并基于权重系数进行一致性衡量，构建所述边坡预警模型。5.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述边坡灾害分析子系统判断所述边坡图像上是否存在图像特征，若存在，则直接将所述边坡图像输入所述卷积神经网络进行训练，若不存在图像特征，则对所述边坡图像进行反向传播改变图像信息，获取修正图像，并对自身进行对抗式攻击实现对卷积神经网络的增强；增强后的卷积神经网络对所述修正图像进行目标检测，进行卷积神经网络训练。6.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述边坡灾害分析子系统将解调完成后的测量波形与包含图像特征的边坡图像输入所述边坡预警模型，通过训练完成后的卷积神经网络获取所述测量波形与对应位置图像特征的相关性，通过所述预测网络获取表征不同边坡灾害发生的特征参数，结合数据相关性、特征参数以及所述边坡图像进行预测，获取包含灾害发生概率的分析结果。7.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述数据存储库采用微服务集群的架构方式进行服务拆分和部署，并采用大数据技术以及大数据算法进行历史数据、实时数据的存储、加工和计算，同时分别按照数据分析时间、分析结果对存储数据进行排序整理。8.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述预警设置子系统根据所述边坡预警模型的风险分析结果设置预警权重，根据所述预警权重对边坡数据中的振
动信号、水分数据、应力数据设定预警阈值。9.根据权利要求1所述的边坡智能监测预警系统，其特征在于，所述预警子系统根据所述预警阈值进行不同形式的预警提示，包括信号灯提示、音频播报，所述预警子系统的预警类型包括降雨预警、滑坡预警、崩塌预警、裂缝预警。

技术总结
本发明公开了一种边坡智能监测预警系统，包括边坡数据采集子系统，用于获取边坡数据与边坡图像；数据处理子系统，用于对边坡数据进行解调处理；边坡灾害分析子系统，用于构建边坡预警模型，根据处理后的边坡数据以及所述边坡图像进行边坡灾害分析；数据存储库，用于对每次分析过程的边坡数据与边坡图像以及对应分析结果进行存储；预警设定子系统，用于根据边坡灾害分析结果设定预警阈值；预警子系统用于根据预警阈值进行黄色预警、橙色预警和红色预警不同等级的预警提示。本发明采用卷积神经网络、预测网络，根据数据与图像的相关性进行数据分析，较于传统的人为判断方法更具准确性，通过大数据技术进行数据存储与整理，保证数据提取的高效性。数据提取的高效性。数据提取的高效性。


技术研发人员：郭璐 朱方之 孙小荣 蒋连接 颜军 余腾 田梅青 吴杰 徐朝霞 陈煜嵩 王剑 李岑
受保护的技术使用者：宿迁学院
技术研发日：2023.04.12
技术公布日：2023/7/6