本发明涉及一种基于无人机巡检与图像特征的渠道冰情智能识别方法，包含无人机巡检航拍、冰情图像数据预处理、图像特征指标选取和设计、支持向量机分类模型建立、SVM模型的冰情识别应用五个步骤。

本发明利用图像识别技术，结合无人机巡检，通过无人机巡检视频图像的自动处理识别技术实现长距离输水工程冬季冰情的快速、全渠道巡检，克服传统人工巡检效率低下的弊端，可及时了解渠道冰情，以实时辅助运行决策，有效避免了人工查看巡检视频的低效和易于识别偏差的技术问题。

供水渠道的运行安全对于充分发挥工程效益、保障输水质量至关重要。大型长距离输水渠道纬度跨越范围大，渠口开敞，水体直接与空气接触，因此寒区输水渠道往往面临流凌冰塞等问题，不仅会影响正常输水，而且威胁渠道及相关附属建筑(如水闸、跨渠桥梁等)的结构安全。长距离渠道人工巡检不便，勘察的效率较低。传统的冰情识别方式通过流量、水位等间接指标反推冰情状况，往往难以做到冰情事件的直接识别和准确分类。对渠内冰情状况(尤其是潜在危险冰情)进行及时的评估识别，可以为工程调度和应急响应提供关键信息，有助于减少由冰凌冰塞等问题引起的危害。 无人机作为近年来广受关注的新型空中检测平台，具有机动灵活、视野开阔的特点，已广泛应用于工程巡检、搜救、安全巡视等领域。采用无人机进行沿渠巡检，可以快速地获得覆盖工程全线的渠内水体图像，克服人工巡检的效率低下问题。但是，常规采用人工查看长时间巡检视频图像，进而来识别冰情的方法，不仅效率较低，而且往往会有识别偏差。

本发明的优点和积极效果是：1、本发明提供一种适用于渠道日常运行维护，利用无人机快速巡检完成图像采集后，能对图像进行快速智能识别，进而判断渠内冰情状态的方法。共包含无人机巡检航拍、冰情图像数据预处理、图像特征指标选取和设计、支持向量机分类模型建立、SVM模型的冰情识别应用五个步骤。2、本发明根据渠道冰情状态表现出来的特点，采用能够表征区分图像所属的冰情阶段及流凌强度的图像纹理和颜色特征指标来识别渠道冰情，包括基于HSV色彩特征的描述指标StV，基于纹理密度特征的描述指标EP，基于纹理方向特征的描述指标δ‑EHD和δ‑HOG。3、本发明利用图像识别技术，结合无人机巡检，通过无人机巡检视频图像的自动处理识别技术实现长距离输水工程冬季冰情的快速、全渠道巡检，克服传统人工巡检效率低下的弊端，可及时了解渠道冰情，以实时辅助运行决策，有效避免了人工查看巡检视频的低效和易于识别偏差的技术问题。 在实际工程中应用前景广阔。

本团队由天津大学建筑工程学院水利水电工程系，水利工程仿真与安全国家重点实验室刘东海教授、博士生导师领衔的专家以及博士研究生组成，团队长期致力于水工结构精细数值模拟、大型工程数字化施工技术、大坝施工与服役性态耦合控制、大型工程系统分析与仿真等方向科研工作，带领团队并主持完成科研项目几十余项，其中有高寒区心墙相变土冬季施工防冻机理及多热源联合控温研究项目、碾压混凝土坝施工成层宏细观机理及层间结合质量实时控制研究、长隧洞TBM施工进度-结构-风险动态仿真与耦合分析理论、土石坝施工质量自动监控及质量数字大坝理论与方法等国家级、省部级科研项目。发表学术论文40余篇，出版学术专著3部。刘东海教授现为中国岩石力学与工程学会岩土工程信息技术与应用分会常务理事、中国水利学会水力学专委会委员、中国土木工程学会隧道及地下空间运营安全与节能环保专委会委员、国际水利与环境工程学会（IAHR）会员，美国土木工程师协会（ASCE）会员、天津市交通运输委专家委员会常务委员。获得国家科技进步二等奖、省部级科技奖励一等奖、张光斗青年科技奖等多项奖励。

该发明提出的基于无人机巡检与图像特征的渠道冰情智能识别方法，相比较于传统结构方法，本发明克服传统人工巡检效率低下的弊端，可及时了解渠道冰情，以实时辅助运行决策，有效避免了人工查看巡检视频的低效和易于识别偏差的技术问题。本项技术研发过程中累计投入30余万元，直接产生经济效益500余万元。在当前基础上，未来将在本发明成果的基础上进一步完善。

本技术基于国家发明专利——基于无人机巡检与图像特征的渠道冰情智能识别方法，通过工程实践，证明了该方法相较于传统结构方法，更科学，在当前基础上，将持续对该方法进行完善。