机器视觉技术在地质灾害监测预警中的应用

向启安

摘 要：本文首先分析了地质灾害监测预警的现状和发展趋势，然后简要介绍了机器视觉技术，重点阐述上海同禾工程科技有限公司基于机器视觉技术和5G传输技术开发出的“基于机器视觉的工程安全监测解决方案”，最后分析该方案在边坡和滑坡灾害监测预警中的两个成功应用案例。实践表明，该方案实施效果较好，能及时向施工单位及业主单位发出灾害预警。

关键词：机器视觉;监测预警;地质灾害;滑坡

中图分类号：P208;P694文献标识码：A文章编号：1003-5168（2021）05-0006-04

Abstract： This paper first analyzed the current situation and development trend of geological disaster monitoring and early warning， then briefly introduced the machine vision technology， focusing on the "engineering safety monitoring solution based on machine vision" developed by Shanghai Tonghe Engineering Technology Co.， Ltd. based on machine vision technology and 5G transmission technology， and finally analyzed the two advantages of this scheme in slope and landslide disaster monitoring and early warning Finally， the application cases were given. The practice shows that the implementation effect of the scheme is good， and the disaster warning can be sent to the construction unit and the owner in time.

Keywords： machine vision;monitoring and early warning;geological hazard;landslide

加强地质灾害监测，进行全国地质灾害监测与预警体系建设的规划和实施，不仅是防灾减灾的需要，而且也是国家经济社会可持续发展的基本保障，是一项重要的基础性和公益性的国家地质工作。地质灾害主要包括崩塌、滑坡、泥石流、地面塌陷和地裂缝等，它们是比较公认的原地壳表层地质结构剧烈变化而产生的，且通常被认为是突发性的。地质灾害分布范围广，隐蔽性强，每年都造成众多人员伤亡和严重经济损失[1]。地质灾害的发生时间、地点和规模等的不确定性，又在很大程度上增加了人们抵御灾害的难度。因此，地质灾害已经成为制约社会经济发展和人民安居的重要因素。为了在更大范围内实现防灾减灾，以达到避免或减少地质灾害的目的，本文将机器视觉技术应用于地质灾害监测预警中。

1 地质灾害监测预警的现状和发展趋势

1.1 地质灾害监测预警的现状

我国逐步形成了具有特色的地质灾害防灾减灾体系模式。随着物联网及各种现代化技术的快速发展，地质灾害监测预警装备也从原来的贴片、刷漆、埋桩等方式发展成海量的传感器构成的监测网络。同时，我国正在逐步构建由高精度遥感+InSAR“普查”、机载航拍的“详查”和地面调查核实的“核查”共同组成的天基—空基—陆基一体化的“三查”体系。监测方法主要有简易观测法、设站观测法、仪表观测法和远程监测法等[2]。各种方法和技术都有其局限性，如监测参数单一且无法有效捕获灾害发生过程，监测装置结构庞大等。另外，受监测手段和精度的限制，尚有大量地质灾害隐患没有被发现;已发现的灾害点，受经费限制，大多数没有进行地下情况勘查，很难准确把握其性质、规模和发展变化。需要引起关注的是，众多研发企业构建了不同参数的传感器和不同类型监测预警技术方案，使用单位很难甄别合适、有效的方案，转化应用进度相对缓慢。相对于地质灾害监测，智能化、实时化灾害预警急需加快开发及应用进程。

1.2 地质灾害监测预警的趋势

地质灾害监测预警的发展趋势主要表现在以下几方面：①监测技术从单一技术向天、空、地多基立体化技术发展;②监测传感器向智能化、数字化方向发展;③监测手段从注重位移监测向因果并重发展;④在数据采集和分析方面，向数据实时获取和数据处理的智能化、模型化、网络化和云计算方面发展;⑤集地质灾害信息管理、危险评估、专业监测、预报预警、应急响应和指挥于一体，实现地质灾害防治管理的科学化、信息化、标准化和可视化[3]。

2 机器视觉技术的应用

机器视觉是人工智能快速發展的一个分支。机器视觉就是用机器代替人眼来进行测量和判断。机器视觉系统是通过机器视觉产品（如图像摄取装置，分为CMOS和CCD两种摄像头）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布、亮度和颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算，以抽取目标的特征，进而根据判别结果来控制现场的设备动作。机器视觉系统最基本的特点是提高生产的灵活性和自动化程度。其应用范围涵盖工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业[4]。

鉴于地质灾害监测预警工程测不了、测不准和测不起的痛点，上海同禾工程科技有限公司基于机器视觉技术和5G传输技术，实现了所见即所得的超高精度实时测量，在国内开创性地利用同感云+华为云技术开发出“基于机器视觉的工程安全监测解决方案”，获得2020华为开发者大赛机器视觉赛道银奖。当前，该方案已被广泛应用于边坡、泥石流、桥梁、隧道、河堤、大坝、轨道、尾矿库和采空区等的安全监测中。

3 同禾基于机器视觉的工程安全监测解决方案

3.1 监测方案制定原则

①方案科学性，即根据工程特点监测关键指标。监测体的直接安全指征即力与形变（位移）。形变（位移）是长度量，可直接测量，动静态位移一体测量。力是看不见摸不着的，不可直接测量，可通过弹性材料受力后的变形来测量。力是因，形变是果，力与形变是因果关系。形变更能直接指征监测体的安全健康状况，更容易监测，更容易测准[5]。

②技术可行性，即关键指标数据的采集、传输技术可行。

③系统可靠性，即监测数据稳定、精确地输出。

④方案经济性，即监测方案在成本上可控、经济。

3.2 边坡监测内容

边坡监测内容、监测方式和监测部位具体如表1所示。

3.3 基于机器视觉的智能灾变识别系统

通过对隐患灾害地质体的地表变形、深部变形、滑坡推力、地下水位、降雨量、视频监控等进行监测，对隐患灾体布设相关监测传感器，并将传感器采集的数据传输至同禾的通用数据采集箱中进行初步解算后，上传到同感云+华為云平台进行远程在线实时监控，提前预测工程隐患危害，从而保障人民的生命财产安全。机器视觉测量仪布设方式灵活，属非接触测量，一台测量仪同时监测若干测点，二维位移一体测量，具有广泛的应用场景[6]。本文对相关配套智能硬件不再赘述。基于机器视觉的智能灾变识别系统图如2所示。

3.4 同感云平台系统架构

同感云平台采用B/S架构，平台具有实时化、智能化的特点，可有效地对结构物健康状况进行管理。平台内置各类结构物监测模板，包括测项与报警域值设置。平台具有数据存储与分析、结构物状态报警、报表自动化、人员与设备管理等功能[7]。同感云平台软件有PC端和移动端（iOS+Andriod），其具有以下优点：①实时在线监测，大幅提升把握结构物安全性能力;②全天候全自动数据采集，大大节约人工监测成本;③智能数据管理，进一步提升企业的管理与运营效率;④可定制基于通用数据接口的管理平台，无缝连接至客户的办公自动化（Office Automation，OA）系统。

4 机器视觉测量仪应用案例

4.1 在贵州六盘水某地质灾害监测中的应用

在现有的地质灾害监测点附近稳固的区域布设机器视觉测量仪，在地质灾害监测点上安装红外靶标，机器视觉测量仪监控地灾点上的靶标，并实时输出二维位移数据，当收到地质灾害点报警信息或自身监测位移报警时，实时将报警时间点前后各1 min的视频数据上传至管理平台，消除地质灾害点误报警的可能。同时，平台对报警时间点的视频数据进行存储，方便用户核对查验。此外，平台还具有监测数据实时查看、监测自动预警、事件流程记录等功能。

同感云平台界面基于地质灾害点的图形展示，可在图形上实时显示各监测点的位移情况和状态信息，并能实时查看各监测点的视频图像;按照事件轴的形式显示告警信息，如告警事件视频数据、事件处理情况等。可实时查看各测点的视频数据及位移数据，有效杜绝测点的误报。数据查看界面如图2所示。

4.2 在浙江申嘉湖边坡监测项目中的应用

4.2.1 监测项目介绍。项目时间：2017年9月;项目地点：浙江湖州至安吉申嘉湖西延边坡;监测范围：申嘉湖西延沿线7个边坡，长度为112～270 m，高度为30～52 m;项目概述：本次监测共涉及7处边坡，均为申嘉湖高速公路湖州鹿山至安吉孝源段的路堑高边坡，监测时间自交工验收完成开始至竣工验收完成后终止。由于采用长期远程监测系统，该系统在高速公路运行之后仍可进行长期远程在线监测[8]。

4.2.2 同感云平台监测数据曲线图。同感云平台监测数据曲线如图3和图4所示。

4.2.3 监测成果说明。从监测情况可得出以下结果。

①2018年1月2日起，监测区域开始出现连续降雨并伴有霜冻天气，当日出现了3个测点沉降速率超过5 mm/d的报警值，监测平台开始发出报警。

②1月2日至1月10日，日变量超限的测点数量增至9个，日变量增到8 mm/d，系统持续发出报警。

③1月11日07：00，4个测点沉降速率为10～200 mm/h，且累计沉降值超出50 mm的报警值，边坡处于加速下滑状态，同感云平台发出了一级预警，边坡随时可能发生滑塌，提示施工单位和业主单位对坡脚下方进行围挡并禁止人员车辆进入。

④从1月11日17：00开始，边坡4个测点沉降速率超过100 mm/h。

⑤1月12日00：04，边坡已经滑塌。

对于此次边坡滑塌事件，同感云平台根据监测数据，及时向施工单位及业主单位发出预警，并根据数据变化，升级预警等级，使相关单位及时对边坡滑塌采取相关防护措施。

5 结语

同禾科技基于机器视觉技术和5G传输技术，实现了所见即所得的超高精度实时测量，设计的“机器视觉的工程安全监测解决方案”被成功应用于地质灾害监测预警中。随着机器视觉技术不断成熟，它将在现代和未来地质灾害监测预警中得到越来越广泛的应用。

参考文献：

[1]陈兵旗.机器视觉技术及应用实例详解[M].北京：化学工业出版社，2014：25.

[2]霍东平，张彬，彭军还，等.滑坡变形监测技术研究现状与展望[J].工程勘察，2015（8）：62-67.

[3]周华.论地质灾害防治与地质环境利用[J].河南科技，2017（15）：159-160.

[4]楚显玉，赵志洪.地质变形监测专利技术综述[J].河南科技，2018（30）：46-49.

[5]唐亚明，张茂省，薛强，等.滑坡监测预警国内外研究现状及评述[J].地质论评，2012（3）：533-541.

[6]刘悦，李永树.浅谈滑坡监测研究现状及发展趋势[J].测绘，2013（5）：228-231.

[7]朱诚.基于移动机器视觉和深度学习的地质灾害监测勘察及评估方法研究[D].深圳：深圳大学，2018：1-106.

[8]姚鸿梁.一种结构物二维位移监测装置及方法：CN109631768A[P].2018-12-19.