CN118840653B 一种基于北斗定位及图像识别的gnss大坝渗流安全监测方法及系统 （湖北亿立能科技股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118840653B(45)授权公告日2025.01.10

(21)申请号202410800413.1

(22)申请日2024.06.20

(65)同一申请的已公布的文献号申请公布号CN118840653A

(43)申请公布日2024.10.25

(73)专利权人湖北亿立能科技股份有限公司地址443000湖北省宜昌市高新区兰台路

13号中试车间8幢

(72)发明人张新强张普王志强盛李立龚华斌熊涛李俊杰周静

GO6V20/13(2022.01)

GO6V10/44(2022.01)

GO6V10/52(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/045(2023.01)

(56)对比文件

CN114117913A,2022.03.01CN115326665A,2022.11.11审查员王佳佳

(74)专利代理机构武汉维卓中知专利代理事务

所(普通合伙)42339专利代理师屈科辉

(51)Int.CI.

GO6V20/10(2022.01)权利要求书3页说明书15页附图2页

(54)发明名称

一种基于北斗定位及图像识别的GNSS大坝渗流安全监测方法及系统

(57)摘要

CN118840653B本发明实施例提供了一种基于北斗定位及图像识别的GNSS大坝渗流安全监测方法及系统，涉及数据处理技术领域。其方法包括：获取大坝区域的连续北斗定位数据以及GNSS卫星图像；根据连续北斗定位数据，确定大坝区域的坝体变化信息；将GNSS卫星图像作为预训练的深度学习模型的输入，得到GNSS卫星图像中包含的植被特征信息，植被特征信息包括植被种类特征和植被分布特征；对植被种类特征和植被分布特征进行聚类分析，确定植被变化趋势；根据坝体变化信息和植被变化趋势，确定大坝渗流问题。通过本发明，解决了大坝渗流安全监测精度低的问题，进而达到了提升大坝渗流安全监测精度和效率的

CN118840653B

S110

获取大坝区域的连续北斗定位数据以及GNSS卫星图像，其中，北斗定位数据是通过对设置在大坝区域的监测站点进行连续定位监测得到的，GNSS卫星图像是通过GNSS导航卫星系统对大坝区域进行图像采集得到的

S120

根据连续北斗定位数据，确定大坝区域的坝体变化信息

S130

将GNSS卫星图像作为预训练的深度学习模型的输入，得到GNSS卫星图像中包含的植被特征信息，植被特征信息包括植被种类特征和植被分布特征

S140

对植被种类特征和植被分布特征进行聚类分析，确定植被变化趋势

S150

根据坝体变化信息和植被变化趋势，确定大坝渗流问题

CN118840653B权利要求书1/3页

2

1.一种基于北斗定位及图像识别的GNSS大坝渗流安全监测方法，其特征在于，包括：

获取大坝区域的连续北斗定位数据以及GNSS卫星图像，其中，所述北斗定位数据是通过对设置在所述大坝区域的监测站点进行连续定位监测得到的，所述GNSS卫星图像是通过GNSS导航卫星系统对所述大坝区域进行图像采集得到的；

根据所述连续北斗定位数据，确定所述大坝区域的坝体变化信息；

将所述GNSS卫星图像作为预训练的深度学习模型的输入，得到所述GNSS卫星图像中包含的植被特征信息，所述植被特征信息包括植被种类特征和植被分布特征；

对所述植被种类特征和所述植被分布特征进行聚类分析，确定植被变化趋势；

根据所述坝体变化信息和所述植被变化趋势，确定大坝渗流问题。

2.根据权利要求1所述的方法，其特征在于，所述深度学习模型为SwinTransformer模型，所述SwinTransformer模型包括块划分组件、线性嵌入组件、多尺度特征融合组件、SwinTransformer块组件和块合并组件，所述SwinTransformer模型包括至少一个特征层，所述SwinTransformer模型的训练步骤包括：

响应于接收训练图像集，循环执行第一步骤，至达到预设的训练次数；

其中，所述第一步骤