突破传统监测困境 据了解，地质灾害传统监测手段主要依赖埋设传感器和人工巡查，存在明显局限性。"传统方法如同'守 株待兔'。"黄惠比喻说："传感器只能监测预设点位，无法覆盖整个风险区域；人工巡查则受限于天 气、地形，很多危险区域根本无法到达。" 针对这一难题，黄惠教授团队依托国家重点研发计划等多项重大科研项目，创新性地提出了核心图形信 息"云-边-端"协同处理技术，构建了一整套高效优化算子，实现了从"点式监测"到"体式防控"的跨越。 该系统基于计算机图形学、计算机视觉与深度学习相结合的智能监测方法，通过三个关键技术层面实现 突破：在运动检测方面，可有效捕捉监测区域的异常运动；在目标识别方面，对落石事件的识别准确率 超过85%；在精准测量方面，实现了对目标位移的高精度测量。 南都讯 记者伍曼娜 近日，深圳大学计算机与软件学院院长黄惠教授团队成功研发出新一代地质灾害智 能监测系统，该系统通过融合计算机视觉、深度学习与云边端协同技术，实现了对边坡落石、危岩移动 等地质灾害的全天候、全覆盖、智能化监测，彻底改变了传统"点式监测"的落后模式。 智能识别与精准测量 实现全天候值守 应用前景广阔 据了解，这套系统已在多个场景 ...