成果简介（300-500字）
当前通过对黄河流域的水利设施进行实景考察，发现黄河流域的堤坝类型繁多，传统堤坝检测是通过固定摄像头进行定点堤坝检测，所带来的是成本过高，检测范围固定，检测效率低下，设备过于密集等问题。因此针对传统检测方式，我们研发了一种基于深度学习的yolov5 目标检测的全自主无人机水利设施巡查系统。即通过无人机巡航拍摄沿河堤坝，然后将拍摄到的视频实时推流到服务器端进行相应的数据处理，从而实现黄河流域多类型堤坝实时检测效果，通过算法能够对于流域中的溃坝进行预警，实现全天候的堤坝安全性的检测，解决了传统检测方式所带来的问题。此系统能够对黄河流域中的堤坝识别准确率高达99%，对于溃坝的预警分为报警，预警，良好三个等级，当出现疑似溃坝情况，可通过后台分析预警和报警区域。全自主无人机水利设施巡查系统能适应多场景的巡查任务，稳定性高、功能性强。
图1 无人机巡查设备
图2 黄河流域堤坝识别效果
技术创新
对堤坝的精确识别与溃坝的智能检测
专利情况
无
市场前景及应用领域
可广泛应用于其他流域水利设施巡查系统，实现检测的快速化、智能化，提高河道的安全性。
合作方式：技术转让、许可使用、股权投资、合作创办企业等技术合作方式，提供从项目策划至项目运行全套技术服务。
成果单位：深圳大学
成果负责人：张沛昌
联系电话：13798355568
电子邮箱：pzhang@szu.edu.cn
科研概况