本发明涉及地质灾害监测预警，特别是指一种基于ai视觉的地质灾害监测预警方法。
背景技术：
1、滑坡塌方等地质灾害是我国的主要自然灾害之一，每年造成数百人死亡，监测预警是最有效的防御措施。
2、目前我国目前的地质监测预警还存在一些不足，每年地质灾害引发人员伤亡事故也证实了需要进一步完善降低漏报。
3、一个边坡的变化首先是局部发生裂缝等变化，比如，某个局部地方有1米长的裂缝，如果传感器不在这个位置，则监测不到这个变化，因此需要高密度安装监测装置，否则会漏报。高密的监测的建设成本和维护成本都非常高。实际上因建设投入问题，目前很大部分地质灾害监测装置部署密度不够，甚至没有基本的技防措施，存在“区域盲区”。
4、降雨是地质灾害的主要诱导因素，隐患点的监测降雨量是“过去完成时”，泥石流等地质灾害很可能在降雨过程中就发生了。比如，设定门槛值是24小时降雨量为50mm，这是过去24小时内的累计降雨量，而泥石流很可能在某个时段的集中降雨30mm就发生了。出现了漏报，伤亡事故就此发生了。风险预警没有提前量。
技术实现思路
1、本发明要解决的技术问题是提供一种基于ai视觉的地质灾害监测预警方法，实现了更准确的地质灾害预警，有效提升了灾害防范的及时性和准确性。
2、为解决上述技术问题，本发明的技术方案如下：
3、第一方面，一种基于ai视觉的地质灾害监测预警方法，所述方法包括：
4、获取地质灾害的图片，包括白天图片和夜晚图片；
5、将图片进行标注，形成地质灾害图片数据集；
6、通过图片数据集训练ai模型，以得到训练后的ai模型；
7、将训练后的ai模型轻量化处理置入边缘计算机中；
8、在边缘计算机中用拍摄的图片导入ai模型中识别地质灾害特征，并使用前后图片滚动对比算法识别地质灾害特征，将两个结果进行相互验证；
9、通过两个结果相互验证，判断已发生地质灾害或地质灾害前兆，并发出预警。
10、进一步的，通过图片数据集训练ai模型，以得到训练后的ai模型包括：
11、对图片数据集进行清洗和预处理，以得到处理后的图片数据集；
12、根据处理后的图片数据集特点，确定ai模型，并定义训练参数；
13、将处理后的图片数据集分成训练集、验证集和测试集；
14、以批量的方式从训练集中抽取数据，输入ai模型构架，进行前向传播计算预测值；
15、根据预测值和真实标签，计算损失函数，并通过反向传播计算损失函数对ai模型参数的梯度；
16、根据梯度更新ai模型参数，在每个训练迭代结束后，使用验证集评估ai模型性能，以得到评估结果；
17、根据评估结果，确定学习率、ai模型架构，以优化模型性能；
18、当模型在验证集上的性能不再提升时，结束训练，以得到训练后的ai模型。
19、进一步的，预测值的计算公式为：
20、
21、其中，表示模型的预测值；l表示神经网络的总层数；wl表示第l层的权重矩阵；hl(x)表示第l层激活函数的结果；bl表示第l层的偏置向量；l表示神经网络的层数索引。
22、进一步的，损失函数的计算公式为：
23、
24、其中，l(θ)表示损失函数；m表示样本数量；yi表示第i个样本的真实值；λ表示正则化参数；i表示索引；∥θ∥2表示模型参数的范数。
25、进一步的，更新ai模型参数的计算公式为：
26、
27、其中，θt+1表示第t+1次迭代时ai模型的参数向量；θt表示在第t次迭代时ai模型的参数向量；α表示学习率；表示损失函数l在第t次迭代时模型参数θ的梯度；t表示迭代的次数。
28、进一步的，在边缘计算机中用拍摄的图片导入ai模型中识别地质灾害特征，并使用前后图片滚动对比算法识别地质灾害特征，将两个结果进行相互验证，包括：
29、当现场拍摄的新的图片时，图片实时传输至边缘计算机中；
30、边缘计算机确定当前时间是白天或夜晚，以确定图片的当前时间；
31、根据图片的当前时间，边缘计算机确定对应的ai模型，进行图片分析；
32、ai模型对图片进行前向传播计算，识别图片中的地质灾害特征，并在地质灾害特征隐患点设置标靶物，当隐患点发生局部裂缝等时，标靶物发生移动或变形；
33、摄像机拍摄标靶物的图片与前一次拍摄图片进行像素对比，发现像素变化，则是标靶物发生了移动或者变形；
34、当标靶物发生移动或变形，将两个结果进行相互验证。
35、进一步的，通过两个结果相互验证，判断已发生地质灾害或地质灾害前兆，并发出预警，包括：
36、两个结果相互验证，若两个方法得出同样的结论，确定已经发生了局部的地质灾害，并发出地质灾害预警；
37、若两个结果结论不一致，再次拍摄有特征区域的局部照片，并再次进行判断；
38、若局部照片发现标靶位置移动或变形，或ai识别了局部的地质灾害特征，则判断为地质灾害前兆，并发出预警。
39、第二方面，一种基于ai视觉的地质灾害监测预警系统，包括：
40、获取模块，用于获取地质灾害的图片，包括白天图片和夜晚图片；
41、将图片进行标注，形成地质灾害图片数据集；通过图片数据集训练ai模型，以得到训练后的ai模型；将训练后的ai模型轻量化处理置入边缘计算机中；
42、处理模块，用于在边缘计算机中用拍摄的图片导入ai模型中识别地质灾害特征，并使用前后图片滚动对比算法识别地质灾害特征，将两个结果进行相互验证；通过两个结果相互验证，判断已发生地质灾害或地质灾害前兆，并发出预警。
43、第三方面，一种计算设备，包括：
44、一个或多个处理器；
45、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。
46、第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。
47、本发明的上述方案至少包括以下有益效果：
48、通过获取包括白天和夜晚的地质灾害图片，确保了系统能够在任何时间段进行有效监测，提高了预警系统的全天候工作能力。通过对图片进行标注，形成了地质灾害图片数据集，这不仅丰富了ai模型的学习材料，还提高了模型对于不同地质灾害特征的识别准确性。通过ai模型的训练和应用，实现了对地质灾害特征的智能化识别，减少了人为判断的误差，提高了预警的准确性和效率。将训练后的ai模型轻量化处理并置入边缘计算机中，使得地质灾害的监测和预警能够在现场实时进行，降低了数据传输的延迟，提高了响应速度。通过ai模型识别和前后图片滚动对比算法识别两种方法的相互验证，增加了预警的可靠性，减少了误报和漏报的可能性。通过两个结果的相互验证，能够更准确地判断已发生地质灾害或地质灾害前兆，并及时发出预警。
1.一种基于ai视觉的地质灾害监测预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于ai视觉的地质灾害监测预警方法，其特征在于，通过图片数据集训练ai模型，以得到训练后的ai模型包括：
3.根据权利要求2所述的基于ai视觉的地质灾害监测预警方法，其特征在于，预测值的计算公式为：
4.根据权利要求3所述的基于ai视觉的地质灾害监测预警方法，其特征在于，损失函数的计算公式为：
5.根据权利要求4所述的基于ai视觉的地质灾害监测预警方法，其特征在于，更新ai模型参数的计算公式为：
6.根据权利要求5所述的基于ai视觉的地质灾害监测预警方法，其特征在于，在边缘计算机中用拍摄的图片导入ai模型中识别地质灾害特征，并使用前后图片滚动对比算法识别地质灾害特征，将两个结果进行相互验证，包括：
7.根据权利要求6所述的基于ai视觉的地质灾害监测预警方法，其特征在于，通过两个结果相互验证，判断已发生地质灾害或地质灾害前兆，并发出预警，包括：
8.一种基于ai视觉的地质灾害监测预警系统，其特征在于，包括：
9.一种计算设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
