记者从中国科学院西北生态环境资源研究院（以下简称“西北研究院”）获悉，西北研究院甘肃省灾害防治智能装备及大数据行业技术中心近日提出基于无人机热红外成像与深度学习的堤防险情隐患高效检测方法，实现了从传统人工巡检到智能无人机巡检的跨越，并实现实时边缘计算应用，为防洪减灾提供了创新技术方案。

研究团队针对堤防渗漏、管涌灾害的隐蔽性和随机性，提出了“空-天-地”协同的智能巡检体系。通过模拟实验构建了包含5995张热红外图像的堤防渗漏数据集，涵盖晴雨昼夜、不同植被覆盖及地形场景。基于Mask R-CNN模型，实现了渗漏区域的精准分割与分类，平均检测精度达97.7%，单张图像处理仅需0.015秒。

研究还引入Eigen-CAM可视化技术，揭示模型决策依据，提升可信度。该技术进一步优化实时检测能力，通过104次野外实验构建多源数据集，并开发基于YOLOv5的轻量化模型。该模型在热红外和可见光图像中的检测精度分别达92.7%和70.4%，结合边缘计算技术，实现无人机端实时处理与预警。

据悉，以上研究系统揭示了复杂自然环境下堤防险情隐患的热力学特征与检测边界条件，构建了从数据采集到智能分析的完整技术链。相关技术已在长江中下游部分堤防试点应用，参与了“2024年应急安全装备区域行”等实战演练。（吴涵）