基于无人机影像深度学习的滑坡灾害智能识别

作     者：江松 李研博 何旭乾 何润丰 张超 张存良 JIANG Song;LI Yanbo;HE Xuqian;HE Runfeng;ZHANG Chao;ZHANG Cunliang

作者机构：西安建筑科技大学资源工程学院陕西西安710055 西安建筑科技大学管理学院陕西西安710055 中钢集团马鞍山矿山研究总院有限公司安徽马鞍山243000 洛阳栾川钼业集团股份有限公司河南洛阳471500 内蒙古汇能煤电集团有限公司内蒙古鄂尔多斯017000 

出 版 物：《中国安全科学学报》 (China Safety Science Journal)

年 卷 期：2024年第34卷第7期

页      面：229-238页

核心收录：

学科分类：08[工学] 0837[工学-安全科学与工程] 

基　　金：国家自然科学基金青年项目资助(52104146) 中国博士后科学基金面上项目资助(2022M722925) 陕西省社会科学基金资助(2020R005) 内蒙古呼和浩特市科技局项目(2023-高-12) 

主　　题：无人机影像 深度学习 滑坡灾害 智能识别 面向对象 Res-U-Net 

摘      要：为精确识别和预警露天矿滑坡灾害,提出一种基于面向对象的标注数据集和Res-U-Net模型相结合的露天矿滑坡智能识别方法。首先,以无人机航测获取研究区矿山滑坡影像数据;其次,采用多尺度-光谱差异分割方法和阈值分离原理,对露天矿滑坡数据进行分割和分类,完成基于面向对象方法的滑坡数据集构建;然后,以U-Net网络作为基础架构,在每个卷积层融入ResNet的残差模块,构建基于Res-U-Net的滑坡识别语义分割模型;最后,识别不同方法构建的滑坡数据集,并对比Res-U-Net模型与主流的语义分割模型全卷积神经网络(FCN)、U-net。结果表明:基于面向对象标注的滑坡数据集相比于传统人工标注数据集具有更好的滑坡识别效果,在准确率、召回率、F 1分数和kappa系数上都有12%以上的提升;Res-U-Net模型的滑坡识别精度均在0.8以上,实现露天矿山滑坡灾害精准识别。