- 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
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
泥石流滑坡地质灾害智能监测系统
一、引言 泥石流、滑坡等地质灾害具有突发性强、破坏力大的特点。 本文提出一种基于YOLOX目标检测与RNN时序分析的智能监测系统，通过“空天地一体化感知-多模态数据融合-智能风险研判”闭环机制，实现对泥石流、滑坡、落石、塌陷4类灾害的实时识别与分级预警。 五、工程应用与实测效果 在西南某山区3处隐患点（含1处泥石流沟、2处滑坡体）试点部署，6个月实测数据如下：安全效益：识别灾害征兆12次（含3次小型泥石流、2次滑坡前兆），提前预警避免人员伤亡，减少经济损失超 八、结语 泥石流滑坡地质灾害智能监测系统基于YOLOX与RNN深度学习模型，泥石流滑坡地质灾害智能监测系统能够实时捕捉泥石流、滑坡、落石和塌陷等灾害事件的特征。 本系统通过YOLOX与RNN的深度整合，实现了泥石流滑坡地质灾害的智能化监测与预警，实测验证了其在识别精度、响应速度上的优势。
48910编辑于 2025-12-17 - 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》）。 （日均位移＞5cm）”“泥石流形成（水流裹挟物占比＞30%）”3类风险，评估预警等级（蓝色/黄色/红色）。 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 - 来自专栏燧机科技-视频AI智能分析
公路边坡灾害识别报警系统
一、引言 我国公路总里程突破535万公里（《2026年中国公路发展统计公报》），其中山区公路占比达38%，边坡灾害（滑坡、泥石流、桥梁垮塌）年均导致交通事故超1.2万起，直接经济损失超60亿元。 （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，50米内播报“前方500米滑坡风险，请立即驶离”）； LED警示屏动态显示灾害类型（如“泥石流预警：禁止通行”）。 （三）系统集成创新 轻量化部署：模型量化至INT8精度（体积压缩至55MB），支持Jetson AGX Orin单卡并发处理8路视频流； 联邦学习机制：跨区域共享脱敏灾害样本（如西南地区“暴雨型滑坡”、 ：通过红外热成像发现坡体温度异常（置信度0.91），提前2小时触发三级预警，联动交通管制； 泥石流轨迹追踪：融合雨量计（1小时降雨80mm）与视觉检测，准确识别泥石流扩散路径（覆盖范围误差＜10m）。 公路边坡灾害识别报警系统基于 YOLOv11+RNN 深度学习算法，公路边坡灾害识别报警系统快速识别桥梁垮塌、边坡滑坡、泥石流等灾害，并触发灾害报警机制，及时、迅速地提醒过往车辆采取紧急避让、驶离公路等措施
17800编辑于 2026-01-11 - 来自专栏燧机科技-视频AI智能分析
山区公路边坡落石滑坡风险监测系统
在雨季或地震活跃期，边坡失稳引发的落石、滑坡、泥石流等地质灾害具有突发性强、破坏力大、预警时间短等特点。 该系统基于AI识别的公路灾害事件识别报警技术，利用计算机视觉深度学习算法，对监控画面进行实时分析，能够快速识别桥梁垮塌、边坡滑坡、泥石流等宏观灾害事件，并即时触发多级报警机制。 滑坡与泥石流的宏观研判地表形变与纹理分析：通过语义分割技术，实时比对当前帧与基准帧的地表纹理差异。当检测到边坡大面积土方位移、植被突然消失或出现明显的滑动痕迹时，触发滑坡预警。 实验室标准测试数据（基于模拟灾害场景数据集，光照良好、视角理想）：落石检测准确率可达97.5%；滑坡/泥石流识别召回率约为96.0%；桥梁垮塌事件检测率接近98.0%；端到端报警延迟控制在500ms以内 它利用AI视觉技术，实现了对落石、滑坡、泥石流等灾害的秒级识别与自动报警，构建了“监测-预警-处置”的全链条闭环，极大缩短了应急响应时间，为过往车辆争取了宝贵的逃生窗口。
28910编辑于 2026-03-08 - 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。 /落石松动/泥石流堆积/桥梁裂缝/异常位移 model.add_module('cbam', CBAM(256)) # 在Backbone后插入注意力模块 # 锚框优化（新增小目标锚框） 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”等瞬态干扰 环境自适应：根据气象站数据动态调整检测阈值（如暴雨模式下提升泥石流检测权重 ：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
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。 /落石松动/泥石流堆积/桥梁裂缝/异常位移 model.add_module('cbam', CBAM(256)) # 在Backbone后插入注意力模块 # 锚框优化（新增小目标锚框） 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”等瞬态干扰 环境自适应：根据气象站数据动态调整检测阈值（如暴雨模式下提升泥石流检测权重 ：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小时启动交通管制公路边坡落石滑坡识别系统基于YOLO11 +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。
21910编辑于 2026-01-07 - 来自专栏燧机科技-视频AI智能分析
AI边坡落石路面裂缝监测预警系统
、背景：从“被动抢险”到“主动感知”的技术演进在山区公路、铁路及水利设施的运维中，边坡失稳、落石崩塌、泥石流以及路面突发性裂缝是极具破坏力的自然灾害。 该系统利用深度学习算法，特别是YOLOv10架构，对监控视频流进行实时分析，旨在实现对路面裂缝、边坡落石、滑坡及泥石流等灾害的快速识别与毫秒级预警，为交通管控和应急响应争取关键的“黄金时间”。 多尺度灾害特征提取算法落石与滑坡检测：利用YOLOv10的多尺度特征金字塔（FPN），模型能够同时关注微小碎石（小目标）和大规模山体滑移（大目标）。 泥石流流体识别：不仅检测静态物体，还通过分析视频流中的光流场（Optical Flow）特征，识别浑浊度突变、流速激增等流体动力学异常，预判泥石流爆发风险。2. 变化检测：对于裂缝和滑坡，系统对比历史基准帧与当前帧的特征差异，仅当形变超过设定阈值且持续一定时间窗口时，才判定为有效灾害事件。3.
27610编辑于 2026-03-08 - 来自专栏世隆科技的专栏
世隆科技：探地雷达在国土资源地质灾害预警领域的应用
国土资源领域中的地质灾害，如崩塌、滑坡、泥石流、地裂缝、地面沉降、地面塌陷等，对人民生命财产安全和社会经济发展构成严重威胁。 《公报》显示，我国已对18万余处地质灾害隐患点的信息进行了更新，截至2023年12月底，全国共登记在册滑坡隐患点13.2万处、崩塌隐患点8.2万处、泥石流隐患点3.3万处。 在地质灾害评估区划方面，全面完成1∶100万的全国崩塌滑坡泥石流地质灾害危险性评价、风险区划和防治区划工作，形成了系列区划成果。 2023年，全国共发生地质灾害3668起，其中滑坡925起、崩塌2176起、泥石流374起、地面塌陷193起，地质灾害死亡失踪人数连年下降，总体保持低位。 （5）应用领域广泛 地质灾害监测：能够准确探测滑坡、泥石流等地质灾害隐患，为防灾减灾提供重要依据。
63510编辑于 2025-07-31 - 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
山体滑坡落石监测识别报警系统 筑牢山区安全防线
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。 当前AI视觉系统仅能对地表已发生的、可视的动态异常进行初判，包括：落石事件：岩石从坡面滚落至路基、沟谷或堆积区；浅层崩塌/滑移：表层土体发生明显位移、崩落或流动；地表流动痕迹：疑似泥石流到达可视区域后的泥浆流动 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
18510编辑于 2026-01-30 - 来自专栏燧机科技-视频AI智能分析
山区边坡落石滑坡灾害识别系统
其实没那么“智能”很多人一听“AI识别滑坡”，以为系统能预测山体什么时候垮。但现实是：我们只敢做一件事——检测有没有东西从山上掉下来。 注意：我们压根没提“泥石流”或“桥梁塌陷”——这些根本不是普通摄像头能判断的。 但到了真实现场，情况复杂得多：雨雾天：能见度低，误报飙升（主要是雨水冲刷被当成滑坡）；植被遮挡：夏天树叶茂密，小落石根本看不见；夜间无补光：即使有红外，反光和热噪也让识别率大打折扣；小碎石：小于20cm 没有一次成功预测深层滑坡——这本就不在能力范围内。四、我们学到了什么？AI不是预言家，只是观察员它只能告诉你“现在发生了什么”，不能告诉你“即将发生什么”。把期望值调低，反而更容易落地。 五、如果你也想尝试，这些建议请收好别追求“全场景识别”，聚焦你能看清的（比如落石，而非泥石流）；务必做实地光照和遮挡测试，别信实验室数据；和现有交通设施联动，否则告警只是“数字烟花”；最重要的一点：明确告诉用户
14510编辑于 2026-01-25 - 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 经过英国威尔士西部的卡马森后，洪水淹没了田地 美国地质调查局的模拟研究表明 一场百年一遇的超级大气河 可能比大地震造成的灾难还要严重 在数周内 它可引发300毫米以上的 强降雨、强飓风 以及大面积的洪水泥石流灾害
59320编辑于 2022-03-28 - 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 - 来自专栏燧机科技-视频AI智能分析
桥梁边坡灾害识别报警系统
目标检测与RNN时序分析的桥梁边坡灾害智能监测预警系统，通过“多源视觉覆盖-动态特征研判-分级联动处置”机制，实现对桥梁垮塌（位移＞5cm）、边坡滑塌（滑移速率＞3cm/h）、山体落石（体积＞1m³）、泥石流 （二）算法层：YOLO5+RNN双模型协同分析 核心采用“YOLO5目标检测+RNN时序行为研判+多源数据融合”三级算法：YOLO5目标检测：定位画面中“滑塌体（不规则形态）、落石（抛物线轨迹）、泥石流 三、核心技术实现与优化 （一）YOLO5桥梁边坡场景适配优化 针对桥梁边坡“灾害形态复杂（滑塌/落石/泥石流）、背景干扰多（植被/云雾）、尺度差异大（小型落石vs大型滑坡）”挑战优化模型：数据集构建：采集 dim=1) return self.fc(out_attn)实测数据（某山区试点3个月记录）：模型对“高危（持续滑塌＞5分钟）”的识别准确率达97.3%，误报率2.8%（主要源于山体滑坡初期局部土体松动 （二）技术创新优势 多模态融合识别：结合“视觉检测（YOLO5）+时序动态（LSTM）+GNSS位移数据”，解决单一视觉误判（如山体滑坡初期局部土体松动被误判“正常沉降”）； 动态阈值调整：根据时段（雨季提高滑移速率阈值至
22410编辑于 2026-01-06 GNSS位移监测站边坡位移地质灾害监测预警方案
每年都会有人因为滑坡、泥石流、崩塌等自然灾害受到财产损失甚至是危害生命安全。 2.地质灾害监测预警精度地质灾害隐患点发生滑坡、泥石流等灾害的时候预警精准度要达到 90% 以上，实时预警并且能够发出预警信息。 根据不同地质灾害类型，采用差异化监测指标：灾害类型核心监测指标预警阈值示例滑坡日位移量、累计位移量、雨量日位移＞5mm 或累计位移＞50mm泥石流小时雨强、沟谷水位、泥位1 小时雨强＞30mm 或泥位上涨 通过精准监测和早期干预，减少灾害引发的次生生态破坏（如滑坡导致的水土流失、植被破坏），保护生态环境。地质灾害监测预警系统是防灾减灾体系的 “千里眼” 和 “顺风耳”。
48810编辑于 2025-07-31- 来自专栏计算机视觉理论及其实现
如何用labelme标注语义分割数据集
图15 labelme主界面第九步，标注数据集，为了使方法更具一般性，假设一幅图上同时发生了崩塌、滑坡和泥石流，如示例图像图16所示，? 图17 labelme打开的图片点击Create polygons对目标一个一个进行标记，对目标围成一个圈之后，对滑坡、崩塌、泥石流分别取名为slide、collapse、debris_flow，完成之后生成三个目标
8.3K31编辑于 2022-09-04 - 来自专栏燧机科技-视频AI智能分析
公路边坡落石滑坡黑光夜视摄像机 筑牢公路安全
为提升监测覆盖，部分路段部署了“公路边坡落石滑坡黑光夜视摄像机”。 然而，市场宣传中常声称可“快速识别桥梁垮塌、泥石流”“自动叫停车辆”“最大程度避免伤亡”，此类表述严重夸大技术能力，甚至可能误导应急决策。 当前基于黑光（超低照度+红外补光）摄像机的AI系统，仅能对地表已发生的、可视的动态异常进行初判，包括：落石滚落：岩石从坡面滚至路基或沟谷；浅层土体滑移：表层土壤发生明显位移或崩落；地表流动痕迹：疑似泥石流到达可视区域后的泥浆流动 系统无法实现：识别桥梁结构损伤或垮塌（需专业结构健康监测）；预测泥石流形成或深层滑坡（属地质建模范畴）；“自动叫停车辆”——交通管控需由交警或路政部门依法执行；在浓雾、暴雨或完全遮挡场景下稳定工作。
10810编辑于 2026-02-01 - 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。 体落石滑坡监测夜视摄像机，核心在于突破了环境限制，构建了“黑光成像+AI算法融合”的技术闭环。 YOLOv10负责毫秒级的静态特征提取，精准识别落石、裂缝、滑坡体等目标；而Transformer模型则利用其强大的时序建模能力，对视频流中的物体运动轨迹进行深度分析。 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
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。 边缘计算优化：采用TensorRT加速推理，单节点处理能力达16路视频流 自适应学习机制：每月自动更新模型参数，适应季节性地质变化 四、工程应用实践 在某山区高速公路试点部署中，系统成功预警3次小型滑坡事件 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
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