基于无人机巡检与深度学习的河道整治施工进度图像识别

来源：水资源与水工程学报杂志2024年第4期北京时间：

作者：刘东海，马子茹，黄斌，刘雅雯，王志岗

单位：1.天津大学水利工程智能建设与运维全国重点实验室,2.长江三峡技术经济发展有限公司

摘要：长线性小流域治理工程中的河道衬砌、生态护岸等距离长、范围广、布置分散，且工区交通不便，人工巡检费时费力，难以及时掌握工程的整体施工进度形象面貌。提出了基于无人机巡检与深度学习的河道整治施工进度智能图像识别方法，通过定位施工节点（施工区域起点和终点）的位置计算施工进度。首先，建立了施工区域目标检测模型，针对无人机航拍影像进行河道衬砌护岸施工区域的识别以及施工节点的定位；然后，利用尺度不变特征变换(scale-invariant feature transform， SIFT)算法对不同视频帧中的施工节点进行匹配，并基于单目视觉的运动视差法，计算施工节点的实际工区坐标；最后，计算当前衬砌护岸施工进度，并分析进度偏差。结果表明：该方法得到的施工节点定位平均误差为1.026 m，平均相对误差为0.74%，该方法能够较为准确地从航拍图像中识别得到当前衬砌护岸的施工进程，从而实现长线性工区快速巡检，及时掌控现场施工进度，提高工程管理的智能化水平。

关键词：河道整治工程,施工进度,无人机巡检,图像识别,目标检测,特征点匹配

基金资助：中国长江三峡集团有限公司企业科研项目(202103551)