人工智能在滑坡与崩岗影像识别的研究进展.pdf

福建商学院学报

46JOURNALOFFUJIANBUSINESSUNIVERSITY2024年第2期

人工智能在滑坡与崩岗影像识别的研究进展a

1212

，

饶绪黎，冯  晨，黄炎和 

（1.福州职业技术学院 信息工程学院，福建 福州，350108； 

2.福建农林大学 机电工程学院，福建 福州，350002）

[摘 要]总结近年来遥感分析技术、机器学习及深度学习的传统方法，分析人工智能中深度学习算法应用于滑坡、

崩岗信息提取与识别的优势；通过方案对比与实验分析发现，样本采集数量、数据标注质量、崩岗特征提取方式等

极大地限制了崩岗智能识别的精度与泛化性。未来将进一步探究多源数据融合与特征提取优化方法；探索基于迁移

学习的崩岗多任务识别方法；并结合遥感影像的崩岗变化检测技术，实现对崩岗的准确识别和动态分析。

[关键词]智能识别；深度学习；滑坡影像；崩岗影像；目标检测

[中图分类号]TP751[文献标识码]A[文章编号]2096-3300（2024）02-0046-09

一、引言育机理、风险评估、治理措施等方面，针对崩岗的智

地质灾害如滑坡、崩岗、泥石流等，是自然界中能识别研究相对较少。因此，本文将总结现有的崩岗

的一种常见现象。它们不仅对环境造成破坏，还可能自动化识别方法，并通过与滑坡识别方法进行对比研

危及人类的生命和财产安全。因此，探索滑坡、崩岗究，进一步探究如何构建高效准确的崩岗人工智能识

等灾害的快速响应方法，高效识别并定位灾害区域具别模型。

有十分重要的意义。二、自动化智能识别地质灾害的方法

随着计算机视觉技术与遥感技术的发展，高分辨在当前针对滑坡、崩岗等地质灾害的识别方法

率光学遥感影像为滑坡、崩岗等灾害的识别监测以及中，目视解译法是一种经典且广泛应用的方法。该方

机理分析提供了重要的数据支持。遥感影像处理、机法依赖于专家对遥感影像的视觉分析，以识别和解释

器学习、深度学习等方法以其高效的优势被广泛应用灾害特征。在许多情况下，通过现场验证发现，目视

于提升滑坡及崩岗勘探工作效率的研究中。目前，关解译对于滑坡的识别比其他自动或半自动提取方法

于滑坡的智能监测方法研究较多，识别效果显著。然更准确。然而，目视解译的效率较低，其精度也在很

而，由于崩岗是山坡土体或岩体风化壳在重力和水力大程度上依赖于专家的经验。随着信息化技术在灾害

长期作用下崩塌和堆积的侵蚀现象，具有平面影像上识别相关研究的深入应用，出现了多种基于不同信息

与裸土相似，常有植被覆盖、影像边界不清晰等地理类型和技术实现方式的识别方法。这些方法大体上可

[1]3

特征，影像识别难度大。大多数研究集中在崩岗的发以分为面向对象方法和基于像素的方法。

收稿日期：2024-03-11

基金项目：2023年福建省财政厅科技项目 “福建省典型地质灾害智能防控研究”（LX-2024-HX-011）。

作者简介：饶绪黎（1977-），男，江西丰城人，教授，博士研究生，研究方向：信息技术及农业工程水土保持；

 冯 晨（1996-），男，湖北襄阳人，助教，硕士，研究方向：人工智能与计算机视觉；

 黄炎和（1962-），男，广东饶平人，教授，博士，研究方向：土壤侵蚀与治理。

2024年第2期饶绪黎，等：人工智能在滑坡与崩岗影像识别的研究进展47

ISODATAKmeansGAN

（一）面