《震区公路次生地质灾害监测与评估地图集》的设计与编制     

韩用顺  彭述刚  朱颖彦  孔亚平  李龙伟  付玉 《测绘通报》2012,(Z1):447-450,454

公路地质灾害专题制图是公路灾害领域系统研究成果的高度综合。面向我国西部高烈度地震区公路建设及其防灾减灾需求,从灾害系统和风险管理出发,综合应用现代数字制图技术和地理信息可视化表达方法,介绍震区公路次生地质灾害监测与评估地图集的设计思想和制图流程。该图集较为系统地表达了汶川地震及其次生灾害孕灾环境、致灾因子、承灾体、灾情和灾害风险评估等内容,展示了灾害形成机理、分布规律、识别诊断、监测预警、风险评估、防治规划和恢复重建等公路防灾减灾成果与经验,为公路恢复重建、交通运营安全、相关科学研究、政府应对巨灾、领导宏观决策和公众防灾减灾科普教育等提供了科学依据和珍贵资料。  相似文献   

利用深度学习模型智能识别地下排水管道缺陷     

王大成  谭军辉  彭述刚  钟镇声  陈国强  李国桥 《测绘通报》2021,(10):141-145

排水管道健康状况直接影响整个城市的排水效果,CCTV检测作为目前最为常见的排水管道健康状况检测方法,仍存在自动化程度不高、工作效率低下、严重依赖人工经验等问题。为解决以上问题,本文将当前先进的深度学习技术与地下排水管道缺陷检测技术相结合,提出了一种基于深度学习模型的地下排水管道缺陷智能识别技术。同时,将管道缺陷智能识别与管道检测工作流程紧密结合,实现城市排水管道检测报告的快速自动生成等功能,从而大大提高排水管道缺陷的检测效率。  相似文献   

基于改进卷积神经网络的城市地下排水管道视频智能识别     

彭述刚  王大成  谭军辉  敖旋峰  俞佳颖 《测绘通报》2021,(10):132-135,167

城市地下排水管道是市政工程中的一个重要基础设施,但随着管道的老化,不同类型的缺陷开始产生,如何及时有效地对其进行智能识别是当前市政管理面临的一个重要挑战。对此,本文利用当前最新的深度学习进行管道视频图像的智能识别,提出了基于改进卷积神经网络的IM-CNN算法。算法基于InceptionV3框架,针对需要识别的管道图片不同类别缺陷间具有类不平衡性的特点,设计了面向管道识别的改进特征融合策略及新的目标函数。基于地下排水管道数据集的试验表明,该算法的预测识别能力不仅优于传统的机器学习算法,而且强于已有直接利用卷积神经网络的算法。  相似文献