本发明涉及一种基于航拍图超像素纹理的渠道异物智能检测与分类方法：包括以下步骤：步骤1：无人机巡检航拍图像采集；步骤2：SLIC超像素分割；步骤3：超像素LBP纹理特征描述向量提取；步骤4：基于超像素LBP纹理的异物检测模型建立；步骤5：异物存在性检测与异物个体提取；步骤6：异物个体超像素分类SVM模型训练；步骤7：基于“层级投票”机制的异物个体分类；步骤8：异物个体的空间位置确定。

本发明基于图像识别技术，提出了一种适用于输水渠道水面异物智能识别，并对牲畜、坠车、泛舟异物进行智能分类的方法，克服了手动处理图像数据效率低、准确性易受干扰的缺点，提高了输水渠道水面异物识别效率。

输水渠道作为敞开式结构，其输水质量与水质安全面临诸多外来异物入侵的风险，如牲畜闯入、交通事故坠车、外来人员泛舟等。牲畜尸体与坠车如不及时发现并打捞，存留水体内可能引发细菌滋生和油类泄露进而污染水体；外来人员泛舟如不及时发现制止则可能给渠道运行管理与安全带来潜在风险。传统的异物识别方式如人工巡检和定点水质监测，其效率低且无法覆盖渠道全线，难以实现对输水渠道水面异物的快速识别与分类。而无人机具有高度机动性，可在短时间内完成输水渠道巡检航拍作业，进而基于图像处理技术对无人机巡检航拍图进行自动异物识别，能够有效克服上述不足。现有技术中的水面异物图像识别技术的研究主要集中在人工景观湖、市政渠道等小型水域中的漂浮物的识别，如落叶、水槽、生产生活垃圾等，然而，输水渠道中常见的却是牲畜、坠车、泛舟等大型异物，在尺度和图像特征上与小型水域漂浮物存在显著区别，现有方法与模型无法直接对输水渠道异物进行检测并分类。

本发明的优点和积极效果是：1、本发明利用无人机对输水渠道进行全线巡检，并通过航拍图像进行输水渠道水面异物识别，避免了人工巡检费时费力、定点水质监测覆盖范围小，难以及时反馈输水渠道水面异常情况的弊端。2、本发明基于图像识别技术，提出了一种适用于输水渠道水面异物智能识别，并对牲畜、坠车、泛舟异物进行智能分类的方法，克服了手动处理图像数据效率低、准确性易受干扰的缺点，提高了输水渠道水面异物识别效率。

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。

该发明提出的基于航拍图超像素纹理的渠道异物智能检测与分类方法，相比较于传统结构方法，本发明克服了手动处理图像数据效率低、准确性易受干扰的缺点，提高了输水渠道水面异物识别效率。同时更加科学。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——基于航拍图超像素纹理的渠道异物智能检测与分类方法，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。