- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
山体滑坡灾害监测报警系统
一、引言 我国山地面积占国土总面积的33%（《2025年中国地质灾害防治白皮书》），山体滑坡年均导致直接经济损失超80亿元。 torch.softmax(self.fc(attn_output.mean(dim=1)), dim=1) return risk_score多源数据融合 融合视觉检测（置信度）、声纹分析（山体崩塌前兆音频特征 引入光流法+深度估计（实测数据：植被遮挡场景识别率从68%提升至94%） 行为关联分析：设计时空图卷积网络（ST-GCN），建模灾害扩散路径 （二）误报率控制 时序行为过滤：通过RNN分析连续帧状态，排除“山体落石滚动 ：系统识别到某边坡裂缝日均扩展0.8cm（持续7天），触发三级预警并联动养护单位 夜间泥石流识别：通过红外热成像发现异常温度区域（置信度0.91），提前2小时启动交通管制山体滑坡灾害监测报警系统核心优势在于其精准的识别能力与高效的报警机制 山体滑坡灾害监测报警系统通过部署在关键区域的监测设备，系统可以识别出桥梁塌陷、边坡落石以及泥石流滑坡等潜在危险迹象，一旦系统识别到危险迹象，便会立即触发报警机制。
24110编辑于 2026-01-07 - 来自专栏燧机科技-视频AI智能分析
山体落石滑坡监测夜视摄像机
据统计，我国山区公路占比近40%，边坡落石、滑坡等灾害往往具有突发性强、破坏力大、夜间高发的特点。 系统能够区分“正在滚落的石块”与“静止的岩石”，并能通过光流法计算山体的微小位移速率。 应用价值：构建“实时监测 - 智能预警 - 协同处置”的防灾闭环山体落石滑坡监测夜视摄像机的价值，在于打通了物理边坡与数字管理的壁垒，构建了完整的灾害防控闭环。系统实现了灾害响应的实时化与自动化。 在边坡滑坡灾害发生后，或者在落石滚落的初期，系统通过基于AI识别的公路灾害事件识别报警技术，快速识别桥梁垮塌、边坡滑坡、泥石流等灾害，并触发灾害报警机制。 山体落石滑坡监测夜视摄像机以高精度的黑光视觉感知技术和完善的数据闭环机制，正在重新定义地质灾害监测的新标准。
7010编辑于 2026-04-07 - 来自专栏燧机科技-视频AI智能分析
泥石流山体滑坡监控视觉识别检测
泥石流山体滑坡监控视觉识别检测算法通过yolov8+python深度学习框架模型，泥石流山体滑坡监控视觉识别检测算法识别到泥石流及山体滑坡灾害事件的发生，算法会立即进行图像抓拍，并及时进行预警。 泥石流山体滑坡监控视觉识别检测算法代码将构建一个end-to-end的Yolo的预测模型，泥石流山体滑坡监控视觉识别检测算法利用的已经训练好的权重文件，你将可以用自然的图片去测试检测效果。 泥石流山体滑坡监控视觉识别检测算法采用卷积网络来提取特征，然后使用全连接层来得到预测值。网络结构参考GooLeNet模型，包含24个卷积层和2个全连接层。 泥石流山体滑坡监控视觉识别检测算法如此设计的原因应该是同一套缩放系数下的通道设置不是最优设计，YOLOv7 网络设计时也没有遵循一套缩放系数作用于所有模型。 考虑到动态分配策略的优异性，泥石流山体滑坡监控视觉识别检测算法中则直接引用了 TOOD 的 TaskAlignedAssigner。
1K30编辑于 2023-09-24 - 来自专栏燧机科技-视频AI智能分析
山体滑坡落石监测识别报警系统 筑牢山区安全防线
在西南、西北等山区，山体落石、浅层滑移等地质事件具有突发性强、人工巡检盲区多、响应窗口短等特点，是威胁交通与居民安全的重要隐患。 近年来，部分单位部署了名为“山体滑坡落石监测识别报警系统”的AI方案，但市场宣传中常声称可“通过YOLOv12+Transformer实现山体位移监测”“在灾害发生前及时发现隐患”“为应急处置赢得宝贵时间 需强调：普通视频摄像头无法测量山体位移，也无法预测滑坡或泥石流。 系统无法实现：监测毫米级位移或内部变形（需GNSS、InSAR、裂缝计等专业设备）；预测深层滑坡或泥石流形成（属地质建模范畴）；“YOLOv12”目前并无官方开源版本（截至2026年1月），实际部署多采用 结语AI在山体灾害监测中的角色，不是“地质预言家”，而是“数字哨兵”。它无法阻止山体滑动，但可以在石头落地的瞬间发出一声提醒。
18510编辑于 2026-01-30 - 来自专栏燧机科技-视频AI智能分析
山体滑坡灾害监测报警系统 基于YOLOv7与RNN
一、引言 山体滑坡作为全球范围内最具破坏性的地质灾害之一，据应急管理部统计数据显示，我国每年因滑坡造成的直接经济损失超百亿元。 分布式布置MEMS加速度传感器（灵敏度0.01g），采样频率100Hz 环境参数采集：集成雨量计（精度±0.5mm/h）、土壤湿度传感器（量程0-100%RH） （二）YOLOv7目标检测算法优化 针对山体滑坡特征优化检测模型 山体滑坡灾害监测报警系统核心优势在于其精准的识别能力与高效的报警机制。 山体滑坡灾害监测报警系统通过部署在关键区域的监测设备，系统可以识别出桥梁塌陷、边坡落石以及泥石流滑坡等潜在危险迹象，一旦系统识别到危险迹象，便会立即触发报警机制。 实验数据表明，该系统可将滑坡灾害预警时效提升80%以上，为交通干线安全防护提供了可靠的技术保障。随着5G通信与边缘计算技术的普及，此类智能监测系统将在智慧交通、国土安全等领域发挥更大价值。
38710编辑于 2025-12-17 - 来自专栏工程监测
振弦传感器信号转换器应用山体滑坡安全监测
振弦传感器信号转换器应用山体滑坡安全监测随着人类文明的进步，自然灾害对人们的生活和财产安全造成的威胁也越来越大。山体滑坡作为自然灾害中的一种，给人们的生活和财产安全带来了极大的威胁。 因此，进行山体滑坡的安全监测显得尤为重要。振弦传感器信号转换器在山体滑坡安全监测中的应用，可以帮助我们更好地掌握山体滑坡的动态变化情况，减轻山体滑坡对我们造成的损失。 因此，对于山体滑坡的安全监测显得尤为重要。在山体滑坡的安全监测中，振弦传感器信号转换器可以帮助我们更好地了解山体滑坡的动态变化情况。 通过这些数据，我们可以了解到山体滑坡的动态变化情况，从而及时采取措施。图片振弦传感器信号转换器在山体滑坡安全监测中的应用具有很大的优势。 这些数据可以直观地反映出山体滑坡区域的情况，从而帮助我们更好地了解山体滑坡的动态变化情况。
22920编辑于 2023-08-03 - 来自专栏燧机科技-视频AI智能分析
公路山体落石滑坡识别系统 桥梁塌陷检测摄像机
一、引言 我国山区公路里程超120万公里（《2026年中国公路交通发展报告》），山体落石、滑坡、桥梁塌陷等地质灾害年均造成直接经济损失超50亿元（交通运输部数据）。 传统人工巡检存在覆盖率不足（＜30%）、响应滞后（平均处置耗时2小时）、复杂地形（陡坡/峡谷）适应性差等痛点；现有视频监控系统对“小目标落石（直径＜30cm）、动态滑坡（位移速率＜5cm/h）、桥梁微裂缝 系统已在川藏公路某段（含3座高危桥梁、5处滑坡隐患点）部署，灾害预警准确率提升至92%，误报率降至1.8%，为公路安全运营提供“监测-预警-处置-追溯”全链条技术支撑。 一）硬件部署方案 多模态感知单元 工业级智能摄像机：选用海康威视MV-CH1200-10GM（1200万像素、0.0005Lux超低照度、IP67防护、-40℃~70℃宽温运行），按场景特性布防： 山体监测区 ”）； 动态阈值调整：雨季提升“滑坡”检测灵敏度至0.9，旱季侧重“落石”监测权重。
21310编辑于 2026-01-13 - 来自专栏TSINGSEE青犀视频
TSINGSEE青犀智能分析网关裸土覆盖算法如何做到防范山体滑坡？
在雨水季节，特别是山区，十分容易发生山体滑坡现象，会导致山村、铁路、公路、房屋、甚至城镇被冲毁，造成严重的人员伤亡和财产损失。 在山体滑坡检测中，裸土覆盖算法可以用来分析山区土地表面的裸露情况，并从中推断可能发生滑坡的风险。 图片通过在EasyCVR平台中接入TSINGSEE青犀智能分析网关裸土覆盖算法，在监控区域一旦发生山体滑坡，后台就会立即发出告警，通知村委会管理人员，立即进行人员疏散等工作，可以最大限度减少山体滑坡带来的伤害
23610编辑于 2023-10-26 - 来自专栏燧机科技-视频AI智能分析
山体落石滑坡识别系统 落石泥石流监控摄像机
一、引言 我国山地面积占比超69%，山体落石、滑坡、泥石流等地质灾害年均造成直接经济损失超百亿元（自然资源部《2023年全国地质灾害通报》）。 三、核心技术实现与优化 （一）YOLOX山体场景适配优化 针对山体“目标尺度差异大（裂缝毫米级vs山体千米级）、背景干扰强（植被/云雾遮挡）”挑战优化模型：数据集构建：采集18000张山区实景图像（含晴天 五、工程应用与实测效果 在某山区高速公路K23-K45段（含3处历史滑坡点）试点部署，4个月实测数据如下：预警效能：成功识别小型落石事件5起（最大体积0.3m³）、滑坡蠕动迹象2处（日均位移6-8cm） 山体落石滑坡识别系统 落石泥石流监控摄像机基于YOLOX+RNN的深度学习算法，山体落石滑坡识别系统 落石泥石流监控摄像机通过安装在山区公路沿线的监控摄像机来实现对山体的实时监测。 这些摄像机分布在关键位置，如山体易滑坡区域、桥梁附近等，能够24小时不间断地捕捉山体的动态变化。
26210编辑于 2025-12-27 - 来自专栏HyperAI超神经
变透明的黑匣子：UCLA 开发可解释神经网络 SNN 预测山体滑坡
内容一览：由于涉及到多种时空变化因素，山体滑坡预测一直以来都非常困难。深度神经网络 (DNN) 可以提高预测准确性，但其本身并不具备可解释性。本文中，UCLA 研究人员引入了 SNN。 关键词：山体滑坡 SNN DNN 作者｜daserney 编辑｜缓缓、三羊 山体滑坡的发生受到多种因素的综合影响，如地形、坡度、土壤、岩石等物质特征，以及气候、降雨、水文等环境条件。 近年来，研究人员一直在训练机器学习模型用于预测山体滑坡，特别是深度神经网络 (Deep Neural Network, DNN)。 研究人员通过数据分析发现，2004-2016 年山体滑坡造成人员伤亡的情况集中发生在亚洲。 区域中，分别大约 74%、54% 和 54% 的地点受气候特征（如极端降雨事件数量、平均年降水量和坡向）的影响程度大于坡度的影响程度，在图中表现为蓝色面积大于红色，表明了气候特征在控制喜马拉雅最东部地区山体滑坡的重要性
53030编辑于 2023-08-31 - 来自专栏燧机科技-视频AI智能分析
山体滑坡落石识别摄像机 基于YOLOv10与运动异常检测
在山区公路运维中，落石、浅层滑坡等突发地质事件具有突发性强、可视窗口短、人工巡检盲区多等特点。传统依赖人工巡查或位移传感器的方案，存在响应滞后、覆盖不全等问题。 需强调：当前AI视觉技术无法预测深层滑坡、桥梁塌陷或泥石流形成过程，但对以下两类事件具备一定初判能力：落石事件：岩石从坡面滚落至行车道或路肩；浅层滑坡/塌方：表层土体发生明显位移、崩落或堆积。 山体落石识别系统作为“第一道视觉哨兵”，虽不能杜绝风险，但可为司乘争取宝贵的数秒至数十秒避险窗口。而这一切的前提，是清醒认知技术的边界——AI是眼睛的延伸，不是大脑的替代。
16210编辑于 2026-01-21 - 来自专栏renhailab数据分析
ArcGIS_Pro官方课程整理【第二期】
在 ArcGIS Pro 中识别面临山体滑坡风险的基础设施 在 ArcGIS Pro 中识别面临山体滑坡风险的基础设施 教程链接: Identify Infrastructure at Risk of （GIS）技术来识别山体滑坡风险区域中的基础设施。 教程设置在格林纳达岛，一个由于高降雨量、陡峭坡度和多样化土壤类型而容易发生山体滑坡的区域。 这些数据包括高分辨率的航空影像和高程数据，这些数据是理解和分析山体滑坡风险的关键。 在确定了建筑物的位置后，下一步是执行山体滑坡敏感性分析。这一步涉及到使用四个栅格图层作为输入，这些图层代表了影响山体滑坡风险的主要因素，如土壤类型、高程、与河流的距离和土地利用情况。
77910编辑于 2023-12-11 - 来自专栏HyperAI超神经
成都理工大学搭建 SCDUNet++ 模型进行滑坡测绘
滑坡是最常见的自然灾害之一，通常由地震和降雨引发，会造成严重的财产损失和人员伤亡。由地震触发的山体滑坡所造成的破坏，有时会比地震本身造成的破坏更为严重。 近年来，人们对遥感图像自动绘制滑坡地图的方法进行了大量研究，但由于山体滑坡在特征和规模上存在较大差异，加之光学遥感影像存在相似性，导致现有方法在准确进行滑坡测绘工作时面临着各种各样的挑战。 同时模型 LM 结果包含了大多数小型滑坡，这表明经过深度迁移学习的 SCDUNet++ 模型对于细小和复杂的滑坡特征有了更好的识别能力。 成理地灾国重实验室 屹立千年的山体一旦发生滑坡，岩石、土壤便顺着倾斜的山体，像流水一样顷刻间掩埋一座几公里外的村镇。 2023 年 11 月，研究人员在 PNAS 上发表论文，在地震、滑坡粘滑不稳定性研究领域取得重要进展；2023 年 9 月发表论文研究地震或滑坡的粘滑前兆特征，为即将发生的地震或滑坡提供预测信息；2023
68610编辑于 2024-02-26 - 来自专栏GEE遥感大数据学习社区
巴西（彼得罗波利斯）滑坡群数据发布
2022年2月15日，彼得罗波利斯突降暴雨，造成山体滑坡、泥石流等灾害。 截止2月20日，巴西里约热内卢州民防部门通报，该州山区城市彼得罗波利斯暴雨引发的灾害已造成至少171人死亡。 我国高分卫星采集到的滑坡体的全色和多光谱数据。 欧空局哨兵2号卫星拍摄到的滑坡群卫星图像。
27220编辑于 2022-09-20 - 来自专栏燧机科技-视频AI智能分析
公路边坡落石滑坡识别系统
一、引言 我国山地公路里程占比超45%（《2025年中国公路发展白皮书》），边坡滑坡、泥石流等灾害年均导致直接经济损失超120亿元。 torch.softmax(self.fc(attn_output.mean(dim=1)), dim=1) return risk_score多源数据融合 融合视觉检测（置信度）、声纹分析（山体崩塌前兆音频特征 ）、InSAR形变数据 动态阈值调整：雨季提升滑坡检测灵敏度至0.88 （三）软件平台功能 边缘预警终端 集成定向声波模块（声压级≥100dB，支持50米内精准提醒） LED警示屏动态显示灾害类型（如 引入光流法+深度估计（实测数据：植被遮挡场景识别率从68%提升至94%） 多目标关联：设计时空图卷积网络（ST-GCN），建模灾害扩散路径 （二）误报率控制 时序行为过滤：通过RNN分析连续帧状态，排除“山体落石滚动 +RNN深度学习算法，公路边坡落石滑坡识别系统一旦识别到公路灾害事件，如桥梁垮塌、边坡滑坡、泥石流等，系统会立即通过多种方式发出警报。
22010编辑于 2026-01-07 - 来自专栏用户9835657的专栏
JL-37数字式测斜仪 地下位移变形监测系统
产品概述数字式测斜仪采用数字式传感器作敏感元件的仪器，它广泛应用于：深基坑开挖、地铁地基、公路地基、挡土墙、坝体及山体滑坡等工程方面土体内部位移变化的监测, 它是一种必配的测量仪器, 它在工程的应用对及时掌握工程的质量以及保证工程的安全性发挥着积极的作用 500mm温度范围：-25℃～+65℃耐 水 压：2.0MPa (200m水深)抗 震 性：2000g导轮间距：500mm测头尺寸：φ28×770mm应用范围广泛适用于深基坑开挖、公路地基、挡土墙、坝体及山体滑坡等工程方面土体内部位移变化的监测
46310编辑于 2022-06-17 - 来自专栏气python风雨
Python 绘制山体阴影+雷达图
前言 本文旨在利用Python编程语言，将山体阴影与雷达速度产品相结合，以探索其可视化效果 环境：python 3.9 导入库 import netCDF4 as nc import numpy as
39610编辑于 2024-06-20 - 来自专栏气象学家
什么？你的头顶上空，有条“河”？！
大气河输送的强劲水汽，在地形的作用下转化为大量雨雪，因而成为影响地区暴雨、洪水、山体滑坡和泥石流等灾害的“助推员”。 而其中14次由大气河引起 水和风暴结合造成的损失格外大 2021年11月14日至15日 受大气河影响 加拿大西部不列颠哥伦比亚省 遭连续暴雨袭击 高速公路和铁路悉数瘫痪 土壤在雨水持续地冲刷下 形成滑坡 、泥石流等地质灾害 享有“世界上最宜居城市”美誉的温哥华 变成了汪洋中的一座孤城 2021年11月16日，加拿大不列颠哥伦比亚省阿伯茨德受大气河影响引发洪涝、山体滑坡等灾害 图为志愿者用船救出被洪水围困的牛
59320编辑于 2022-03-28 - 来自专栏好奇心Log
2020-2021年度Planet卫星数据科学应用
五、岩石圈 山区或冰川地带的生活居民和设施面临着山体滑坡和雪崩的威胁。通过遥感方法可以检测到地表变形，并对即将发生的危险发出预警信号。 滑坡 青藏高原是自然灾害的高发地区，包括地震、山体滑坡和冰川洪水等。通过遥感数据Planet的SkySat、PlanetScope和RapidEye 为这些地区灾害监测带来革命性方法。 由于地震的震动，土壤的强度和刚度急剧下降引起山体滑坡，建筑物倒塌造成了超过4000人死亡，成为有史以来严重的土壤液化事件之一。 为了更好地了解地震所引发的山体滑坡，横跨四大洲的多国研究小组利用每天的PlanetScope图像来绘制地表破裂和山体滑坡。发现帕卢河谷的地面塌陷和滑坡主要是位于冲积层上的灌溉稻田造成的。 研究人员在他们的论文中指出：地震引发的的灌溉区冲积层的滑坡是一个未被认识到但可以避免的问题。
2K10编辑于 2022-03-12 - 来自专栏工程监测
滑坡监测系统的详细方案
监测系统意义： 滑坡泥石流是地质灾害中的重要组成部分，我国地质和地理环境复杂，气候条件时空差异大，地质灾害种类动、分布广、危害大，是世界上地质灾害最严重的国家之一。 河北稳控科技充分利用在滑坡监测方面的技术积累，建立了一套科学完善的滑坡监测预警平台，实现了滑坡防治管理的科学化、信息化、标准化和可视化。 为防灾减灾决策提供科学依据，为地质灾害防治工作质量、效率和管理水平的提高奠定基础，提供一套可靠、实用、专业的滑坡监测与预警系统解决方案。 监测系统架构： 滑坡监测与预警系统主要由一体化监测站设备、现场通讯设备、基于物联网技术、云计算的监测与预警云服务平台、用户终端信息设备及应用软件等部分组成。 图片 监测方案实施： 1、滑坡地表裂缝、崩塌裂缝的变形监测。采用CNSS在线监测仪或一体式拉线地表位移监测仪或激光试地表位移监测仪完成地表变形监测数据的采发。 2、滑坡、崩塌体深部位移监测。
81420编辑于 2022-06-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号