Page 15 - 2025年第56卷第1期

4.2.2 智能监控 大坝施工监控最早可追溯至数字大坝时代，以碾压质量实时监控技术、坝料上坝运
输过程实时监控技术和施工质量动态信息 PDA（Personal Digital Assistant）实时采集技术为代表的监控技
术，实现了大坝施工全过程、全天候、精细化、在线实时监控 ［48］ ，并成功应用于糯扎渡、龙开口和黄登
等大坝的建设中。近年来，随着感知设备的广泛应用和智能算法的进步，数字监控技术逐步升级为智
能监控技术，并被广泛用于掺砾、运输、碾压、振捣等环节。目前，大坝建设过程已形成基于泛在智能
感知体系的建设全过程智能监控理论与方法，实现了水利水电工程建设质量智能控制，如图 11 所示。

图 11 大坝建设全过程智能监控框架

在土石坝和碾压混凝土坝建设研究中，基于物联网技术的大坝填筑智能监控技术获得了极大的发
展。在掺砾监控方面，Hu 等 ［49-50］ 基于机器视觉和生成式人工智能技术研发了用于砾石土料检测的 AI
模型，实现了砾石土料掺砾均匀性的智能感知和实时评价，解决了人工旁站耗时费力、主观性强等问
题。在坝面施工监控方面，Zeng 等 ［51］ 提出了基于改进 YOLO（You Only Look Once）v3 的大坝大尺度施工
设 备 实 时 检 测 与 定 位 模 型 ， 确 保 现 场 施 工 安 全 ； 面 向 深 窄 河 谷 ， Gao 等 ［52-53］ 基 于 UWB（Ultra-

Wideband）定位信息提出了增益自适应卡尔曼滤波算法，建立了无人碾压机的智能定位补偿技术；Lin
等 ［54-55］ 基于群智能优化算法开展了土石坝压实参数优化研究。林威伟等 ［56］ 提出了一种基于改进证据理
论的土石坝碾压质量综合评价方法，为现场碾压施工质量提供了保障。在运输监控方面，曾拓程
等 ［57-58］ 提出大场景视频监控大坝施工运输车卸料识别模型，智能表示运输车活动状态，保障了大坝施
工安全，优化了运输配置；Song 等 ［59］ 面向运输监控，提出了基于生成式人工智能技术的半监督方法，
基于有限运输车原始图像自动合成“无限”高质量像素化标注数据集，降低了智能监控所需的数据采
集和标注成本。
在混凝土坝振捣建设智能监控研究中，基于热成像 ［60］ 、UWB ［61］ 和 GPS ［62］ 的振捣设备定位监控方法
被广泛研究。在深度学习技术的推动下，Wang 等 ［63］ 提出了基于 ResNet-50 的混凝土振捣质量实时监测
方法，分析了混凝土表观图像与振捣质量的关系；Liu 等 ［64］ 基于卷积神经网络框架，实现了基于混凝
土振动视频数据的混凝土振动时长分析；王栋等 ［65］ 基于空天地一体化的混凝土振捣施工信息智能感知
体系，实现了混凝土浇筑过程多源、多维度、多模态施工信息的立体感知。
4.2.3 智能装备 智能装备是具身智能技术在大坝智能建设的重要落地成果。目前，大坝建设的智能装

— 10 —