截至2020年底,我国共建成水库大坝98795座,5级及以上江河堤防31.2万公里。在我国现有运行的大坝、堤防等水利设施中,绝大部分都是建设于二十世纪的五六十年代,这些“高龄”堤坝普遍已处于带“病”运行的状态。渗漏是堤坝最严重的结构病害之一,若不能及时发现并有效处置,将会导致严重的堤坝结构损坏,甚至引发溃坝决堤事故。研究适用于堤坝渗漏的快速巡检方法,对保障堤坝安全服役具有重要的科学意义与工程价值。人工巡查是目前最为普遍的堤坝渗漏巡检方式,但其主要存在费时费力、效率低下的问题。无人机设备与图像处理技术的快速发展,为堤坝渗漏快速智能巡检提供了全新思路,利用渗漏与正常堤坝表面温度不同的特点,通过无人机获取的堤坝表面红外图像可以实现堤坝渗漏的智能识别。但红外图像的成像质量较差,堤坝所处的复杂环境使得堤坝表面的红外图像普遍存在噪声和干扰,严重影响了渗漏识别的准确率,堤坝复杂的几何结构也让渗漏面积计算也面临着诸多挑战。与此同时,堤坝工程线长面广,使得每次巡检的数据量较大,如何提升巡检流程的执行效率也是目前亟待解决的问题。针对上述问题,本文以实现复杂红外背景下的堤坝渗漏自动巡检、智能识别、面积计算为目标,依托无人机的快速数据采集能力以及红外热成像仪的工作特性,通过现场试验与数据分析相结合的方法,研究了基于无人机载红外热成像的堤坝渗漏智能识别与面积计算方法。提出了融合红外图像与关键温度特征的双路径堤坝渗漏准确识别方法与基于三维场景重建的渗漏面积计算方法,并基于上述方法与巡检需求,设计开发了堤坝渗漏智能巡检软件平台。本文的主要研究成果如下:1.在堤坝渗漏智能识别方面,本文提出了融合红外图像与关键温度特征的双路径堤坝渗漏准确识别方法。本方法在U-Net网络架构的收缩路径旁引入了一条辅助输入路径,通过设计的关键温度融合模块,将渗漏温度这一重要的先验信息,以温度特征矩阵的形式融入到红外图像的特征映射中,提升了网络训练的信息维度。同时在U-Net网络的跳转连接部分加入了卷积注意力模块,增强了网络对于通道与空间两个维度的注意力提炼。上述改进共同增强了网络对于渗漏的识别准确度。通过与多种方法进行实验对比,证明了本方法的准确性与优越性。2.在堤坝渗漏面积计算方面,本文提出了基于三维重建的堤坝渗漏面积计算方法。本方法首先实现了堤坝的三维场景重建,通过构建投影模型的方式,将渗漏尺度特征投影到堤坝的三维模型表面,还原了渗漏的真实位置关系,从而准确计算渗漏面积。最终经真实数据进行实验验证,证明了本方法的有效性。3.根据实际的堤坝巡检需求,并结合上述方法的相关研究,本文开发了适用于实际巡检流程的堤坝渗漏无人机智能巡检软件平台,该平台以B/S架构进行搭建,采用前端交互-后端处理的组合方式。巡检人员可在该平台中完成巡检的任务规划与状态监控,数据采集完成后可在该平台进行在线的数据上传。服务器端通过既定的事务逻辑自动执行渗漏数据处理程序并输出结果。相关人员可随时随地的获取巡检数据的处理结果,及时进行堤坝维护。本软件平台高度整合了巡检作业的常用功能,有效提升了堤坝渗漏的巡检效率。