[发明专利]预测和防止在结构资产处的不利状况的深度机器学习

权利要求书

1.一种预测和防止在结构资产处的不利状况的计算机实现的方法，所述方法包括：

通过一个或者多个计算装置获得描述多个图像的数据，所述多个图像描绘了包含第一结构资产的地理区域的至少一部分，其中，所述多个图像分别描绘了在多个不同时间时的所述地理区域，所述多个图像至少包括在第一时间捕获到的第一图像和在与所述第一时间不同的第二时间捕获到的第二图像；

通过所述一个或者多个计算装置将至少描绘所述第一图像、所述第一时间、所述第二图像和所述第二时间的数据输入到状况预测模型中，所述状况预测模型包括机器学习对象检测模型和机器学习状况预测神经网络；

接收分别描述在所述地理区域中包括的一个或多个对象的一个或多个属性的一个或多个对象特征向量，作为所述机器学习对象检测模型的输出；

将所述一个或多个对象特征向量以及所述多个图像中的至少一个图像输入到所述机器学习状况预测神经网络中；以及

通过所述一个或者多个计算装置接收关于在一个或者多个未来时间段期间在所述第一结构资产处所述不利状况的发生的至少一个预测作为所述机器学习状况预测神经网络的输出，所述至少一个预测是由所述机器学习状况预测神经网络至少基于所述一个或多个对象特征向量以及所述多个图像中的至少一个图像来产生的。

2.根据权利要求1所述的计算机实现的方法，其中，通过所述一个或者多个计算装置获得描述所述多个图像的所述数据包括：

通过所述一个或者多个计算装置获得所述第一图像，所述第一图像包括包含第一结构资产的所述地理区域的第一地平面图像；以及

通过所述一个或者多个计算装置获得所述第二图像，所述第二图像包括包含所述第一结构资产的所述地理区域的第一高空图像。

3.根据权利要求2所述的计算机实现的方法，其中，通过所述一个或者多个计算装置获得所述第一地平面图像包括：通过所述一个或者多个计算装置获得与所述第一结构资产的所述第一地平面图像对应的第一光检测和测距(LIDAR)数据集。

4.根据权利要求2所述的计算机实现的方法，其中，通过所述一个或者多个计算装置将至少描述所述第一图像、所述第一时间、所述第二图像和所述第二时间的所述数据输入到所述状况预测模型中包括：

通过所述一个或者多个计算装置将所述第一地平面图像输入到所述机器学习对象检测模型中；以及

通过所述一个或者多个计算装置将描述所述第一时间、所述第一高空图像和所述第二时间的数据与所述一个或多个对象特征向量一起输入到所述状况预测模型的所述机器学习状况预测神经网络中。

5.根据权利要求4所述的计算机实现的方法，其中：

通过所述一个或者多个计算装置将所述第一地平面图像输入到所述机器学习对象检测模型中包括：通过所述一个或者多个计算装置将所述第一地平面图像输入到植物检测模型中；

通过所述一个或者多个计算装置接收所述一个或者多个对象特征向量包括：通过所述一个或者多个计算装置接收一个或者多个植物特征向量作为所述植物检测模型的输出，所述一个或者多个植物特征向量分别描述了包括在包含所述第一结构资产的所述地理区域中并且由所述第一地平面图像描绘的一个或者多个相应植物的一个或者多个属性，其中，所述一个或者多个植物影响在所述第一结构资产处的植被过度生长状况的发生；

通过所述一个或者多个计算装置将所述数据输入到所述状况预测神经网络中包括：通过所述一个或者多个计算装置将至少描述所述一个或者多个植物特征向量、所述第一时间、所述第一高空图像和所述第二时间的数据输入到植被过度生长预测神经网络中；以及

通过所述一个或者多个计算装置接收所述至少一个预测作为所述状况预测模型的所述输出包括：通过所述一个或者多个计算装置接收关于在所述一个或者多个未来时间段期间在所述第一结构资产处所述植被过度生长状况的所述发生的所述至少一个预测作为所述植被过度生长预测神经网络的所述输出。