山体滑坡是一种常见的自然灾害,是由山体结构及外界环境变化而产生的一种滑坡能量积累。当山体的下滑力大于抗滑力时,便产生滑坡。滑坡能量积累是一个慢变过程,具有一定规律性。传感器可以有效监测这一过程,通过大数据趋势预测能够确定滑坡的时间范围,从而把人身和财产损失降到最低。因此,基于云平台多传感器建立山体滑坡预警机制是具有现实意义的,而集中器是滑坡预警机制中的关键装置。论文运用嵌入式系统处理技术、数字图像处理技术、多传感信息融合技术、无线通信技术等设计完成山体滑坡集中器系统。系统主要包括433射频通信模块、数字摄像头模块、主控模块、液晶显示模块以及4G无线通信模块。传感器系统完成山体温度、湿度、雨量、孔隙水压力、土压力、振动强度、位移等山体参数的采集,集中器系统通过433射频模块与其进行数据传输和通信。数字摄像头模块主要完成山体图像的采集,并将得到的数字图像信息传输至处主控板。主控模块提取山体的RGB和HSV图像各分量的均值、方差、偏度、峰度作为颜色特征,将RGB图像转为灰度图像,获取其灰度共生矩阵的熵、能量、逆差距、惯性矩、相关性作为纹理特征,采用Sobel算子处理得到梯度的均值、标准差作为边缘特征。通过移植PC端MATLAB平台下基于支持向量机(Support Vector Machine,SVM)方法得到的二分类模型,融合三个图像特征并作为模型输入变量,完成山体图像在集中器端的分类识别。同时统一多源异构传感器数据格式,基于拉依达方法提取其异常特征,采用自相关函数(ACF)方法提取其平稳特征,完成多传感器初步融合。液晶显示模块的作用在于实时显示山体的图像信息和多传感器数据信息。4G无线模块主要完成集中器与上位机服务端的数据传输和通信。论文设计的山体滑坡集中器,能够在实验室环境下完成多传感器数据的实时处理。计算并融合数据的相关特征,与上位机完成无线传输及通信。同时能够实现山体图像状态识别,只上传滑坡异常图像,减少数据传输量,从而提高监测效率。综合传感器系统以及上位机服务器等,实现山体滑坡的预警及预测。实验结果表明,整个集中器基本能够满足设计需求,在数据的实时性、准确性以及有效性等方面能达到预期目标,实验效果良好。较以单一特征作为山体图像分类识别方法的准确率有所改善,较传统的山体滑坡监测效果有一定的改进,为决策层的滑坡预测提供特征数据研究基础,对整个山体滑坡监测系统的研究具有一定的参考价值。