买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳联和智慧科技有限公司申请的专利基于无人机的水利设施巡查预警方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119048942B 。

龙图腾网通过国家知识产权局官网在2026-01-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411248487.5，技术领域涉及：G06V20/17；该发明授权基于无人机的水利设施巡查预警方法及系统是由杨翰翔设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本基于无人机的水利设施巡查预警方法及系统在说明书摘要公布了：发明公开了基于无人机的水利设施巡查预警方法及系统，属于水工设施检测技术领域，本发明通过划分出目标堤坝的子区域后，确定无人机的拍摄检测点，各子区域的拍摄检测点保证无人机在对应子区域拍摄完成后所对应的所有检测图像以数量最少且检测图像不低于预设清晰度的情况下覆盖对应子区域，提高无人机巡查效率，根据各子区域的异常值综合评估目标堤坝的不稳定值，提高堤坝不稳定值的评估准确性以及全面性，同时根据不同子区域的异常值以及目标堤坝的不稳定值进行预警，全面且及时地进行预警，快速定位异常子区域，提高堤坝安全维护效率。

本发明授权基于无人机的水利设施巡查预警方法及系统在权利要求书中公布了：1.一种基于无人机的水利设施巡查预警系统，包括控制中心和搭载摄像装置的无人机，所述控制中心与所述无人机进行通信连接，其特征在于，所述控制中心，包括：第一图像获取模块、区域划分模块、检测点确定模块、第二图像获取模块、异常分析模块、不稳定性评估模块和告警模块； 所述第一图像获取模块，用于获取所述无人机拍摄的目标堤坝的堤坝全景图像； 所述区域划分模块，用于根据所述堤坝全景图像划分出目标堤坝的子区域； 所述目标堤坝的子区域包括坝基区域、坝体区域和边坡区域；检测图像包括坝基区域图像、坝体区域图像和边坡区域图像； 所述检测点确定模块，用于在目标堤坝的各子区域中确定所述无人机的拍摄检测点，各子区域的拍摄检测点保证无人机在对应子区域拍摄完成后所对应的所有检测图像以数量最少且检测图像不低于预设清晰度的情况下覆盖对应子区域； 所述第二图像获取模块，用于获取无人机在各拍摄检测点中拍摄对应的检测图像； 所述异常分析模块，用于根据各检测图像，识别分析出各子区域的异常值； 所述异常分析模块包括坝体异常分析模块，用于根据所述坝体区域图像分析坝体区域的完整裂缝信息，并根据完整裂缝信息计算坝体异常值BT，具体为： 利用边缘检测算法提取坝体区域图像中的疑似裂缝轮廓；通过经过预训练的第一深度学习模型从所述疑似裂缝轮廓中识别出真实裂缝；根据坝体区域的拍摄检测点，将各坝体区域图像进行拼接得到完整坝体区域图像；根据真实裂缝的端点位置，在所述完整坝体区域图像中找到能够与当前真实裂缝的端点连接的真实裂缝，并进行连续性拼接，得到相应的完整裂缝；根据完整裂缝的端点位置判断对应的完整裂缝是否经过坝体重要区域，记录经过坝体重要区域的完整裂缝的数量N1；获取所述完整坝体区域图像的总像素格数G以及各完整裂缝在所述完整坝体区域图像中所占像素格数g，若gG大于或等于第一预设阈值，则判断对应的完整裂缝为严重裂缝，统计严重裂缝的数量N2；计算坝体异常值BT，BT=k1*N1+k2*N2，其中，k1表示第一预设系数，k2表示第二预设系数； 所述根据真实裂缝的端点位置，在所述完整坝体区域图像中找到能够与当前真实裂缝的端点连接的真实裂缝，并进行连续性拼接，得到相应的完整裂缝，具体为： 在所述完整坝体区域图像中，找到端点位置与当前真实裂缝的端点位置重合的真实裂缝，或端点位置在当前真实裂缝区域上的真实裂缝后，与当前真实裂缝进行拼接形成临时完整裂缝；再找到端点位置与当前临时完整裂缝的端点位置重合的真实裂缝，或端点位置在当前真实裂缝区域上的真实裂缝后再进行拼接形成新的临时完整裂缝，重复该步骤，直至无法找到端点位置与新的临时完整裂缝的端点位置重合的真实裂缝和端点位置在新的临时完整裂缝区域上的真实裂缝，已最新的临时完整裂缝为完整裂缝； 所述异常分析模块，包括：坝基异常分析模块和边坡异常分析模块；所述坝基异常分析模块，用于根据所述坝基区域图像分析坝基区域的沉降凹陷信息，并根据沉降凹陷信息计算坝基异常值BJ，具体通过经过预训练的第二深度学习模型从坝基区域图像识别出沉降凹陷区域，统计所有坝基区域图像中的沉降凹陷区域的总数量N3以及各沉降凹陷区域在对应坝基区域图像中所占的像素格数N4；计算坝基异常值BJ，BJ=k3*N3+k4*N4，其中，k3表示第三预设系数，k4表示第四预设系数； 所述边坡异常分析模块，用于根据所述边坡区域图像分析边坡区域的表面剥落信息，并根据表面剥落信息计算边坡异常值BP，具体通过经过预训练的第三深度学习模型从边坡区域图像识别出表面剥落区域，统计所有边坡区域图像中的表面剥落区域的总数量N5以及各沉降凹陷区域在对应坝基区域图像中所占的像素格数N6；计算坝基异常值BP，BP=k5*N5+k6*N6，其中，k5表示第五预设系数，k6表示第六预设系数； 所述不稳定性评估模块，用于根据各子区域的异常值评估目标堤坝的不稳定值BW； 所述告警模块，用于根据各子区域的异常值以及目标堤坝的不稳定值向用户发出告警信息，具体为：若所述坝体异常值大于第一预设异常阈值，则向用户发出坝体异常告警信息；若所述坝基异常值大于第二预设异常阈值，则向用户发出坝基异常告警信息；若所述边坡异常值大于第三预设异常阈值，则向用户发出边坡异常告警信息；若所述目标堤坝的不稳定值大于预设综合阈值，则向用用户发出堤坝不稳告警信息； 所述第一图像获取模块还用于获取所述无人机拍摄的第二设施图像，所述第二设施图像包括堤防图像、护岸图像和水闸图像； 所述异常分析模块还包括堤防异常分析模块、护岸异常分析模块、水闸异常分析模块和泵站异常分析模块； 堤防异常分析模块，用于通过经过预训练的第四深度学习模型从堤防图像识别出堤防裂缝，统计堤防裂缝的总数量N7以及堤防裂缝在堤防图像中所占的像素格数N8，计算堤防异常值DF，DF=k7*N7+k8*N8，k7表示第七预设系数，k8表示第八预设系数； 护岸异常分析模块，用于通过经过预训练的第五深度学习模型从护岸图像识别出护岸裂缝，统计护岸裂缝的总数量N9以及护岸裂缝在护岸图像中所占的像素格数N10，计算护岸异常值HA，HA=k9*N9+k10*N10，k9表示第九预设系数，k10表示第十预设系数； 水闸异常分析模块，用于通过经过预训练的第六深度学习模型从水闸图像识别出水闸裂缝，统计水闸裂缝的总数量N11以及水闸裂缝在水闸图像中所占的像素格数N12，通过经过预训练的第七深度学习模型从水闸图像识别出水闸腐蚀区域，统计水闸腐蚀区域在水闸图像中所占的像素格数N13，计算水闸异常值SZ，SZ=k11*N11+k12*N12+k13*N13，k11表示第十一预设系数，k12表示第十二预设系数，k13表示第十三预设系数； BW=r1*BT+r2*BJ+r3*BP+r4*DF+r5*HA+r6*SZ，其中，r1表示第一预设权重，r2表示第二预设权重，r3表示第三预设权重，r4表示第四预设权重，r5表示第五预设权重，r6表示第六预设权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳联和智慧科技有限公司，其通讯地址为：518000 广东省深圳市南山区生态科技园11栋A座2805；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。