[发明专利]基于卫星数据UNet网络模型的滑坡识别方法及装置

说明书

本申请实施例公开了一种基于卫星数据UNet网络模型的滑坡识别方法及装置，该方法包括：获取待进行滑坡识别的卫星拍摄图像；将卫星拍摄图像输入预设的滑坡识别模型；滑坡识别模型是对改进后的UNet网络模型进行训练获得的；改进后的UNet网络模型是对深度学习网络UNet网络模型的结构进行改进，改进后的UNet网络模型中的卷积操作为深度可分离卷积；将滑坡识别模型的输出结果作为滑坡识别结果。通过该实施例方案，实现了滑坡现象的精确、高效识别。

技术领域

本申请实施例涉及地质分析技术，尤指一种基于卫星数据UNet网络模型的滑坡识别方法及装置。

背景技术

我国幅员辽阔，地质环境多变，灾害分布范围广，常年受到滑坡灾害侵袭，给灾害多发区居民的生命财产安全带来极大危害，滑坡灾害的防治工作至关重要。针对目前泥石流灾害数据获取困难、数据量不足且预警准确率不高的问题，研究出了很多种方法，包括：工程地质分析法、极限平衡法、有限元强度折减法、传统滑坡监测方法、宏观地质监测法、近景摄影测量法等。

例如，为克服传统滑动面确定方法的局限性，提出一种以工程地质分析法为前提判断、以空间解析几何法和极限平衡法为计算分析手段、以强度折减法为检验保证的滑动面综合反演识别确定新方法，能够判断边坡的滑动破坏模式，快速、安全、高效地确定了矿山高边坡滑动面的位置与空间形态。但传统的勘探技术在滑动面勘测识别确定过程中往往存在耗时、耗力、对坡体造成损伤、应对复杂地形能力差、具有安全隐患等问题。

传统滑坡监测方法和宏观地质监测法，经济简单，但精度低、劳动强度大且时空分辨率低。

近景摄影测量法，受测量设备影响，误差较大，导致测量精度低。GIS（地理信息系统）强大的空间分析，功能可建立时空动态预测模型，但无法传递实时数据，且预测精度低。

滑坡的确定往往需要采用传统的工程地质钻探和物探手段，并结合多种方法进行综合判断，这样即耗时又费力，因此上述常规的判断方法适用性不足。

发明内容

本申请实施例提供了一种基于卫星数据UNet网络模型的滑坡识别方法及装置，能够实现滑坡现象的精确、高效识别。

本申请实施例提供了一种基于卫星数据UNet网络模型的滑坡识别方法，所述方法可以包括：

获取待进行滑坡识别的卫星拍摄图像；

将所述卫星拍摄图像输入预设的滑坡识别模型；所述滑坡识别模型是对改进后的UNet网络模型进行训练获得的；所述改进后的UNet网络模型是对深度学习网络UNet网络模型的结构进行改进，所述改进后的UNet网络模型中的卷积操作为深度可分离卷积；

将所述滑坡识别模型的输出结果作为滑坡识别结果。

在本申请的示例性实施例中，获取所述滑坡识别模型，可以包括：

获取滑坡图像样本数据；

采用所述滑坡图像样本数据对所述改进后的UNet网络模型进行训练；

将训练后的所述改进后的UNet网络模型作为所述滑坡识别模型。

在本申请的示例性实施例中，所述获取滑坡图像样本数据，可以包括：

获取卫星采集的滑坡图像数据；

提取所述滑坡图像数据的特征数据；

对所述滑坡图像数据进行上采样操作，获取具有同一尺寸的多个图像样本数据；

对所述同一尺寸的多个图像样本数据进行拼接，得到拼接后的数据；

将所述拼接后的数据与所述滑坡图像数据的特征数据进行对比，获取与所述滑坡图像数据的特征数据的相似度大于或等于预设的相似度阈值的所述拼接后的数据，作为有效数据，将所述有效数据作为所述滑坡图像样本数据。

在本申请的示例性实施例中，所述对所述同一尺寸的多个图像样本数据进行拼接，得到拼接后的数据，可以包括：