背景

　　针对目前小型水库监测系统精度不够、环境适应性差、难以满足低维护投入和智能化发展要求的现状，本成果从算法模型、硬件装备、软件平台等全链条开展科技攻关，和江西水利科学研究院等单位共同研发了小型水库工程安全监测系统性能提升智能算法及软硬件，并在江西省小型水库工程安全监测建设中推广应用，显著提升了小型水库工程安全监测的精度、效率和可靠性。

　　技术路线

　　技术指标

　　图像去噪算法适应雨强≤2 mm/min、雾能见度≤1 km，隐患识别精准率≥95%。断网、断电、断路等极端条件下数据畅通率≥99.95%，阴雨及无市电条件下电源续航时间提高≥3倍。软件平台服务器数量减少50%，计算速度整体提升70%。

　　技术特点

　　(1)研发了耦合卷积神经网络和视觉Transformer架构的图像防抖、去雨雾、去噪增强算法，构建了基于知识蒸馏和自监督学习的轻量化工程安全隐患精准识别模型，提出了多源数据融合的隐患识别与特征提取技术，实现了复杂环境下大坝裂缝、坝坡塌陷、渗漏破坏、变形等多类型工程隐患的高精度、快速检测与识别。

　　(2)提出改进的有线-LoRa-MESH混合组网技术、多信道无中断通信保障技术和低功耗分级电源管理模式，研制了适用于小型水库智能感知的多源多型传感器分布式采集终端，实现了高效、可靠的水利数据采集和远程传输。

　　(3)开发了基于微服务架构和容器技术的小型水库安全监测多源异构数据存储与管理平台，研发了知识图谱融合智能推荐算法的预演预案技术，实现了小型水库工程安全数据的高效存储、查询和管理，并显著提升了应急预案的有效性和预演效率。