一种机器视觉识别地质变形的方法

本发明公开了一种机器视觉识别地质变形的方法，包括以下步骤：多源异构数据周期性采集、多维数据预处理与特征增强、混合深度学习模型驱动的变形场智能识别、变形类型与风险等级的动态阈值分类判定。本发明提供的一种机器视觉识别地质变形的方法，多传感器优化部署解决了复杂地形信号遮挡和数据盲区问题，实现监测区域最大化覆盖和数据采集连续完整。多维数据预处理与多层次融合处理，有效校正数据失真、消除噪声，凸显微弱特征，提升特征提取辨识度和分类结果可靠性。混合深度学习模型耦合CNN与LSTM，能同时提取空间结构特征和捕捉动态过程，输出高分辨率、高精度地质变形场图。